浏览器在css样式 的一些小差别案例1(菜鸟版 简单易懂)

1、IE6.0的div的内嵌div可以把父级的高度撑大,而FireFox不可以,要自己设置高度。

2、当设置为三列布局时,IE6.0的float宽度不能达到100%,而FireFox可以。当设置为两列布局时,两种浏览器都可以。

3、在火狐浏览器中,非float的div前面有同一父级的float的div,此div若有背景图,要使用clear:both,才能显示背景图,而IE6.0中不用使用clear:both。
4、在[text-decoration:underline]的属性下,IE6.0显示的下划线会比FireFox低一点。在FireFox中,部分笔画会在下划线的下面1个象素左右。
火狐浏览器:链接加边框和背景色,需设置display:block,同时设置float:left保证不换行。
火狐浏览器:设置padding后,div会增加height和width,但IE不会,故需要用!important多设一个height和width
火狐浏览器:div设置margin-left,margin-right为auto时已经居中,IE不行
下面有一小段代码

这是我一个同学写的

        <div class="search">
            <input type="text" value="Search places">
            <div class="stb"><img src="image/r14(hover).png" alt=""></div>
        </div>

下面是其css样式

.search {
    width: 469px;
    height: 136px;
    float: left;
    margin-top: -136px;
    margin-left: 142px;
    clear: left;
}
.search input{
    width: 469px;
    height: 50px;
    border: none;
    outline: none;
    color: #a3a3a3;
    font: 21px 微软雅黑;
    border-bottom: 2px solid #e4e4e4;
    margin-top: 38px;
    margin-left: 60px;
    float:left;
    clear: left;
}
.search img{
    float: right;
    margin-top: -35px;
    margin-right: -50px;
    clear: right;
}

这段代码是一个输入框以及一个图片的搜索按钮,在谷歌浏览器上运行时能正常显示,但是在IE以及火狐上面图片搜索按钮都会处于body的上方的外面。

之所以会这样,是应为在这段代码之前的一个div没有使用float而单独占据一行,而要求是之前的div应该和input以及img按钮在同一行的。那么为了达到在同一行的效果,所以在css中进行了相关属性值的调整,最总能够在谷歌浏览器中正常显示,而由于ie和火狐的内核与谷歌不一致的缘故,margin等属性的解释不一样导致在三种浏览器中产生了不同的显示结果。

这就是一种兼容性的问题,为了避免这类问题,应该尽量使用规范通用的代码。

针对这个案例,最好的方法就是将在其之前的div也设置  floa: left  属性。margin,padding 都预先设为 0;然后在进行调节。

 

转载于:https://my.oschina.net/xiazilailai/blog/291119

  • 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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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框(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框和类别概率。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