iOS 7人机交互指南-Icon和Image设计-App Icon

iOS 7人机交互指南-App Icon 重要:这是针对于正在开发中的API或技术的预备文档(预发布版本)。虽然该文档在技术精确度上经过了严格的审核,但并非最终版本,仅供苹果开发者计划的注册会员使

iOS 7人机交互指南-Icon和Image设计-App Icon

 

重要:这是针对于正在开发中的API或技术的预备文档(预发布版本)。虽然该文档在技术精确度上经过了严格的审核,但并非最终版本,仅供苹果开发者计划的注册会员使用。苹果提供这份机要文档的目的,是帮助你按照文中描述的方式对技术的选择及界面的设计开发进行规划。这些信息有可能发生变化,届时,你的设计开发方式需要基于最终版本的操作系统及文档进行相应的调整和测试。该文档或许会随着API或相关技术在未来的发展而进行更新。(其中一些重要变化,我们也会进行更新。译文如有纰漏,敬请指正。)

 

每个app都需要一个漂亮的,令人难忘的icon以吸引App Store中的用户,并在用户的主屏幕上脱颖而出。iOS可以在Game Center、搜索结果、设置以及app创建的文档中使用不同尺寸的icon。

App icon代表App Store中和主屏幕上的app。品牌化和强烈的视觉设计应该整合进一个简洁的、易识别的、吸引人的icon中。

 

为了获得最佳的效果,你可以招募一个专业的设计师。专业设计师可以帮你为app设计一个整体统一的视觉风格,并把这种风格应用在所有的icon和图片中。

 

使用易辨识的通用图像。通常,避免关注元素的次要方面或者模糊不清的一面。

 

追求简单。尤其要避免在icon中填塞多个不同图像。找到最能代表应用本质的单个元素。从最基本的图形出发,并谨慎添加细节信息。如果icon内容或者图像过于复杂,那么细节信息会令用户感到困惑,在小尺寸icon上展示更会模糊难以辨认。

 

通常,避免使用“greek”文字或者波浪线来提示文本。

 

考虑为app的核心思想赋予一个抽象解释。为idea创建一个极富艺术性的版本,或者创建一个真实对象,可以帮你强调你希望用户能注意到的方面。

 

避免在你的作品中使用iOS界面元素。你也不想用户把你的icon、图像与iOS UI弄混。

 

不要在你的作品中使用苹果硬件产品的复制品。这些代表苹果产品的符号标志是受版权保护的,不能重现在你的icon和图像中。通常,要避免在你的图片中使用任何特定设备的复制品,因为这些设计更改频繁,而基于这些设计的icon和图像很快会显得过时。

 

不要在界面中重复使用iOS app icon。在系统的多个地方使用相同的icon来表示稍有不同的事情,会让用户觉得困惑。

 

如果想描绘真实本体,你要做到十分精确。代表真实对象的icon或者图像应该看起来像是用真实材料做成,并有质感。逼真的icon精确地复制了实物的特征,比如玻璃、纸张以及金属等,并且能传递出对象的重量和感觉。

 

避免使用透明icon。图像中的透明有助于塑造玻璃或塑料风格,但在icon中使用透明的手法就有点棘手。总的来说,app icon应该是不透明的。

 

除了App Store icon(必须命名为iTunesArtwork)以外,你可以为icon起任何一个你喜欢的名字。如果你使用 CFBundleIcons键来声明icon名称,为高分辨率icon添加@2x后缀,iOS会根据icon的尺寸选择一个可用的icon。学习更多icon命名内容,可查看“iOS App Programming Guide”中“App Icons”一节。

 

为不同设备创建尺寸不同的icon。如果创建了通用的app,你需要提供四种尺寸的icon。

iPhone和iPod touch需要:

120 x 120 pixels

60 x 60 pixels (标准分辨率)

iPad需要:

152 x 152 pixels

76 x 76 pixels (标准分辨率)

 

当iOS在设备的主屏幕上展示icon时,系统会自动把icon拐角变得圆满。你要确保你的icon有90°的转角,这样icon经系统处理后会变得非常漂亮。

 

给icon提供一个可辨识的背景。如果icon有一个可见的背景,那么iOS的圆角设计会让icon在主屏幕上显得非常美观。当用户在主屏幕上查看应用时,如果icon的背景消失了,那么用户就看不到icon漂亮的圆角了,并且这些icon看起来也不再是可点击的,常常会妨碍主屏幕的有序对称,这不是用户欣赏的。

 

确保你的图片能完全填充所需的区域。如果图片边界小于推荐尺寸,或者你使用transparency创建透明区域,圆角icon就会浮在黑色的背景上。一个有着黑色背景的icon在自定义图片的主屏幕上看起来很不美观。

 

创建一个大尺寸的app icon,用以在App Store中展现。虽然这个大尺寸的icon能让人一眼就认出是你的app,但你也可以巧妙地让它更加丰富,更具细节。这个版本的icon不添加任何视觉效果。

针对App Store展示,你可以创建两个大尺寸的icon,以很好地适应所有设备:

1024 x 1024 pixels

512 x 512 pixels (标准分辨率)

要确定这两个icon版本分别为iTunesArtwork@2x和iTunesArtwork。

如果你是针对ad-hoc(内部使用,不通过App Store)分发开发app,你也必须提供大尺寸的icon,用以在iTunes中确认你的应用。

此外,大尺寸icon还可能有其他用处,比如一款iPad app中,iOS可以用它生成大的文档图标。

 

Document Icons

如果你的iOS app创建了自定义类型的文件,而你希望用户一眼就能识别出这些文件。你不需要为此专门设计自定义图标,因为iOS可以用你app icon创建文件icon。

 

Spotlight和Settings Icons

每个app还应提供一个小尺寸的icon,用以在Spotlight搜索中,和app名称一同展现。另外,提供设置选项的app也应该提供小尺寸的icon,以便在设置页面展示。这些icon应该清晰易辨,方便用户从设置列表中识别出你的app。

 

如果你使用CFBundleIcons键来声明icon的名称,并为高分辨率icon添加@2x名字后缀,你就可以为这些icon选择任何一个你喜欢的名字。由于iOS会根据图标尺寸是否合适来选择icon,所以你可以使用自定义名字。更多关于icon命名内容,可参考“iOS App Programming Guide”中“App Icons”这一章节。

 

你要针对所有设备提供,分别为Spotlight搜索,设置提供单独的icon。如果你没提供相应的icon,iOS会在这些地方使用自动缩小的icon。

针对iPhone、iPod touch以及iPad上的Spotlight搜索,你可以创建以下两种尺寸的icon:

80 x 80 pixels

40 x 40 pixels (标准分辨率)

针对iPhone、iPod touch以及iPad上的设置,你可以创建以下两种尺寸的icon:

58 x 58 pixels

29 x 29 pixels (standard resolution)

 

注意:如果icon背景是白色,那就不要为了提高icon在设置页面的能见度而添加灰色的覆盖图层。iOS会为icon添加1个像素的边框描边,所有的icon在设置页面白色背景上看起来都不错。

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