《iOS Human Interface Guidelines》——App Icon

App 图标


每个app都需要一个漂亮、难忘的app图标来在App Strore中吸引人们以及在他们的主屏幕中脱颖而出。iOS可以使用游戏中心、搜索结果、设置以及代表app创建的文档的不同版本的app图标。




为了最好的结果,寻求专业的平面设计师的帮助。一个有经验的平面设计师可以帮助你设计你app整体的视觉风格并应用到内部所有的图标和图片。


使用通用的图像,这样人们会很容易辨认。一般来说,不要专注于一个元素次要的或模糊的方面。比如说,邮件app图标使用一个信封,而不是田园的邮箱、邮递员包或者邮局的象征。


拥抱简单。尤其不要塞一堆不同的图片到你的图标中。找一个捕捉到你app本质的简单的元素,并以简单、独特地造型表达这个元素。谨慎地添加细节。如果一个图标的内容或造型过于复杂,细节就会变得迷惑并且在小尺寸上可能显示模糊。


TIP

将你的app移动到主屏幕的一个文件夹中来测试在小尺寸时的表现。进一步地,移动多个app图标到一个文件夹中来查看你的app图标是否看起来不错并且保持区分度。


创建一个你app主要概念的抽象解释。在app图标中使用照片或截图很少会好,因为图片细节在小尺寸下会非常难以看清。最好以一种抽象的方式解释现实,因为这样做可以帮助你强调你想要用户注意的主题。


如果你想要描绘真实的物质,做到准确。描述真实对象的图标应该准确地复制物质的特征,比如布、玻璃、纸和金属,并且要传达物品的重量和感受。


确保app图标在多种背景下看起来都不错。不要只在明亮或阴暗的背景下测试你的图标,因为你不能预测人们会选择哪种墙纸。


不要透明。app图标应该是不透明的。如果图标的边界小于推荐的尺寸——或者你使用透明度来创建透明的区域——由此产生的图标会显示得漂浮于一个黑色的背景,这会在用户选择的漂亮的墙纸上看起来特别的没有吸引力。


不要在你的作品中使用iOS交互元素。你不会希望你的用户对你的图标或图片与iOS的UI产生迷惑。


不要在你的作品中复制苹果硬件产品。代表苹果产品的符号是有版权的,而且不能在你的图标和图片中二次创造。一般来说,最好不要在你的作品中复制任何设备,因为这些设计都改变地很频繁,而基于它们的图标很快就会看起来过期。


不要在你的界面中重复使用iOS app的图标。对于用户来说,看到同样的图标在系统的多个地方用于表示不同的事物会迷惑。


为不同的设备创建不同尺寸的app图标。你想要确保在所有支持的设备上你的app图标都看起来很好。查看Icon and Image Sizes获取设备对应的值。


当iOS在主屏幕上显示一个app的图标时,它会自动生成圆角。确保你的图标有90度的角,这样当生成圆角时就会看起来不会。比如:




创建一个你app图标的大号版本用于现在是App Store中。即使这个版本被立即辨识为你的app图标很重要,它也可以更加地精细和详细。这个版本你的app图标不添加视觉效果。


Icon and Image Sizes表中所示,你app图标的大版本应该是1024*1024像素且命名为iTunesArtwork@2x。(如果需要支持一些@1x的设备,创建一个512*512且命名为iTunesArtwork的版本。)查看Platform Version Information获取一些关于这个版本app图标额外的信息。


NOTE

iOS可能还会在其他地方使用这个大图片。比如在iPad app中,iOS使用大图片来生成大文档的图标。


如果你开发一个用于ad-hoc发布的app(也就是只供内部使用,而不通过App Store),你也必须提供大版本的app图标。这用于在iTunes中定义你的app。



文档图标

如果你的iOS app创建自定义类型的文档,你会希望用户可以一眼就辨识出这些文档。你不需要因此专门设计一个自定义的图标,因为iOS会使用你的app图标来为你创建文档图标。



Spotlight和设置图标

每个app都应该提供一个小图标供iOS在Spotlight搜索app名字时显示。支持设置的app也应该提供一个小图标来在内置的设置app中标识它们。


这些图标应该清晰地标识你的app,这样人们就可以在搜索结果列表或设置中标识它。比如说,内置的app图标很容易在设置中辨识出来,即使图标很小:




与app图标一样,你可以任意命名这些小图标,因为iOS是基于图标的尺寸是否适于使用目标而选择的。


对于所有的设备,为Spotlight搜索结果和设置提供不同的图标。如果你不提供这些图标,可能会收缩你的app图标来在这些地方显示。查看Icon and Image Sizes表来获取关于特定尺寸的细节。


NOTE

如果你图标的背景是白色的,不要添加灰色的覆盖来增加其在设置中的可见性。iOS会添加一个像素的边框,这样所有的图标都会在设置的白色背景中显示很好。



本文翻译自苹果官方开发文档

查看完整合集:https://github.com/Cloudox/iOS-Human-Interface-Guidelines

版权所有:http://blog.csdn.net/cloudox_

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值