计算机文章
  1. 文章
计算机文章
  • 用户
    • 用户注册登陆(非显式)
      POST
    • 实名认证
      POST
    • 实名认证查看
      GET
    • 浏览记录
      GET
    • 收藏列表
      GET
    • 点赞的文章
      GET
    • 发送邮件
      POST
    • 用户登录
      POST
    • 修改密码
      PUT
    • 获取个人信息
      GET
    • 修改个人信息
      PUT
  • 文章
    • 第一次推荐
      GET
    • 查看论文列表
      GET
    • 查看详情页
      GET
    • 点赞新闻
      POST
    • 取消点赞
      DELETE
    • 收藏新闻
      POST
    • 取消收藏
      DELETE
    • 删除新闻
      DELETE
    • 查看评论
      GET
    • 查看楼中楼
      GET
    • 热门推荐
      GET
    • 个性化推荐
      GET
  • 评论
    • 发布新评论
      POST
    • 删除评论
      DELETE
    • 点赞评论
      POST
    • 取消点赞
      DELETE
    • 发布楼中楼/回复评论
      POST
    • 删除楼中楼
      DELETE
    • 点赞楼中楼
      POST
    • 取消点赞楼中楼
      DELETE
  1. 文章

查看详情页

GET
http://127.0.0.1:8082/article/{articleId}
显示liked stared

请求参数

Path 参数
articleId
string 
必需
示例值:
101
Header 参数
token
string 
可选

示例代码

Shell
JavaScript
Java
Swift
Go
PHP
Python
HTTP
C
C#
Objective-C
Ruby
OCaml
Dart
R
请求示例请求示例
Shell
JavaScript
Java
Swift
curl --location --request GET 'http://127.0.0.1:8082/article/101' \
--header 'token;'

返回响应

🟢200成功
application/json
Body
code
integer 
必需
message
string 
必需
data
object 
必需
articleId
integer 
必需
classify
string 
必需
title
string 
必需
author
string 
必需
pubTime
string 
必需
keyword
string 
必需
summary
string 
必需
link
string 
必需
status
integer 
必需
views
integer 
必需
likes
integer 
必需
stars
integer 
必需
liked
boolean 
必需
stared
boolean 
必需
示例
{
  "code": 20000,
  "message": "查看文章成功",
  "data": {
    "articleId": 101,
    "classify": "技术",
    "title": "基于改进YOLOv3的列车运行环境图像小目标检测算法",
    "author": "梁美佳;刘昕武;胡晓鹏;",
    "pubTime": "2023-03-01",
    "keyword": "列车辅助驾驶;小目标检测;空洞卷积;稠密模块;特征融合;通道注意力机制",
    "summary": "列车辅助驾驶离不开对列车运行环境的实时检测。列车运行环境图像存在丰富的小目标,与大中型目标相比,目标占原图比例小于1%的小目标由于分辨率低而存在误检率高、检测精度较差的问题,因此提出一种基于改进YOLOv3的列车运行环境目标检测算法(YOLOv3-TOEI)。首先利用k-means聚类算法优化anchor,加快网络的收敛速度;然后,在Darknet-53中嵌入空洞卷积以增大感受野,引入稠密模块(DenseNet)获取更丰富的图像底层细节信息;最后将原始YOLOv3的单向特征融合结构改进为双向加自适应特征融合结构,实现深浅层特征的有效结合,提高网络对多尺度目标(特别是小目标)的检测效果。实验结果表明,与原YOLOv3算法相比,YOLOv3-TOEI算法的平均精度均值(m AP@0.5)达到84.5%,提升12.2%,每秒传输帧数(FPS)为83,拥有更好的列车运行环境图像小目标检测能力。",
    "link": "https://kns.cnki.net/kcms/detail/detail.aspx?FileName=JSJY20230228002&DbName=CAPJ2023",
    "status": 1,
    "views": 1,
    "likes": 0,
    "stars": 0,
    "liked": false,
    "stared": false
  }
}
上一页
查看论文列表
下一页
点赞新闻
Built with