css盒模型相关知识一

1:css盒模型分类

标准盒模型,IE盒模型

2:标准盒模型与IE盒模型的区别

元素框的总宽度=width+(padding-left+padding-right)+(border-left+border-right)+(margin-left+margin-right)

                          width+padding+border+margin

注意:CSS样式中写的width=200px就是指图中的content的宽度,如何设置padding,border的宽会影响总宽度

 

 

 

 

元素框的总宽度=width(padding-left+padding-right+border-left+border-right)+margin-left+margin-right;

                          width+margin

注意:如何css中设置width=200px,这种模型的width包括content + padding +border,设置padding,border的值不会影响总宽度

3:CSS如何设置这两种模型

css通过box-sizing来设置盒模型

box-sizing属性可以为三个值之一:content-box(default),border-box,padding-box。

content-box,width的值就是content的值

padding-box,padding计算入width内  width=content + padding

border-box,border和padding计算入width之内,其实就是怪异模式了

4:JS如何获取盒模型对应的宽和高

1)dom.style.width/height

HTML代码

1 <p id='p' style='width:100px;'>JS获取元素的宽高</p>

js执行代码

1 var p=document.getElementById('p').style.width;
2 console.log(p);   // 200px

但是这种方式只能取到内嵌的宽和高,对于通过style写的或者外部链接进来的就无法取到值

CSS代码

1 #p{
2     width:200px;
3     height: 200px;
4     background: red;
5         }

HTML代码

1 <p id='p'>JS获取元素的宽高</p>

JS执行代码

1 console.log(document.getElementById('p').style.width); //无法取到值

PS:虽然这种方式取不到宽度值。但却可以设置元素的宽度值。比如:设置p元素宽度为200px:

1 document.getElementById("p1").style.width ="200px";

2) window.getComputedStyle(dom).width/height

那么,对于没有设置宽度的元素、亦或CSS样式非内嵌式的,js原生写法可以通过window.getComputedStyle(dom).width/height来获取宽度

接上面一个例子取不到值就可以通过

1 var p=document.getElementById('p');
2 var width=window.getComputedStyle(p).width;
3 console.log(width);  // 200px

 3)dom.getBoundingClientRect().width/height

1 var p=document.getElementById('p');
2 var width=p.getBoundingClientRect().width;
3 console.log(width);  // 200
4 // 注意这个方法一般是绝对定位中获取left,top,right,bottom的值

 



 

转载于:https://www.cnblogs.com/xubj/p/9964782.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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