前端 双飞翼布局和圣杯布局

说明:圣杯布局和双飞翼布局,它们的都是要求三栏布局,中间宽度自适应,两边定宽,这样做的优势是重要的东西放在文档流前面可以优先渲染,二双飞翼布局是对圣杯布局的一种改良。

1.圣杯布局: 用到浮动,负边距,相对定位,不添加额外标签。

html部分:
	<div class = "header"> header </div>
	<div class = "bd"> 
		<div class = "main" > main </div>
		<div class = "left" > left </div>
		<div class = "right" > right </div> 
	</div>
	<div class = "footer"> footer </div>
css 部分
	*{margin:0 auto};
	.header,.footer{
		width:100%;
		background: #666;
		height:30px;
		clear:both;
	}
	.bd{
		padding-left:150px;
		padding-right:190px;
	}
	.left{
		height:500px;
		background:red;
		width:150px;
		float:left;
		margin-left:-100%;
		position:relative;
		left:-150px; 
	}
	.main{
		height:500px;
		background:blue;
		width:100%;
		float:left; 
	}
	.right{
		height:500px;
		background:olive;
		width:190px;
		float:left;
		margin-left:-190px;
		position:relative;
		right:-190px;
	}

2.双飞翼布局:
	在不增加额外标签的情况下,圣杯布局已经非常完美,圣杯布局使用了相对定位,以后圣杯布局是有局限性的,而且宽度控制要改的地方很多,在淘宝ued讨论下,增加多一个div就可以使用相对布局,只用到了浮动和负边距。

	html部分
		<div class = "header" > header </div>
		<div class = "bd" > 
			<div class = "main >
				<div class = "inner" > main </div>
			</div>
			<div class = "left" > left </div>
			<div class = "right" > right </div>
		</div>
		<div class = "footer" > footer </div>
	css部分
		
		*{margin:0 auto};
		.header,.footer{
			width:100%;
			background:#008888;
			height:100px;
			clear:both;
		}
		.left{
			height: 300px;
			background:red;
			width:150px;
			float:left;
			margin-left:-100%;
		}		 
		.main{
			height:300px;
			background:blue;
			width:100%;
			float:left; 
		}
		.inner{
			height:300px;
			margin-left:150px;
			margin-right:190px;
		}
		.right{
			height:300px;
			background:olvie;
			width:190px;
			float:left;
			margin-left:-190px;
		}
  • 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