bom练习

       今天做了关于两个下拉框中的内容相互移动的特效。代码如下:

     

    <body>
    <select size="7" id="s1">
    <option>AAA</option>
    <option>BBB</option>
    <option>CCC</option>
    <option>DDD</option>
    <option>EEE</option>
    </select>
    <input type="button" id="to-right" value=">>>"/>
    <input type="button" id="to-left" value="<<<" />
    <select size="7" id="s2"></select>
    </body>

                 <script>

        var s1 = document.getElementById("s1");
      var s2 = document.getElementById("s2");
      var to_right = document.getElementById("to-right");
      to_right.onclick = function(){
      var obj_opt = s1.selectedOptions[0];
      var value = obj_opt.innerText;

      s2.appendChild(obj_opt)

                   }

                  

      to_left.onclick = function(){
      var obj_opt = s2.selectedOptions[0];
      var value = obj_opt.innerText;

      s1.appendChild(obj_opt)

                  }

                 </script>

            今天还做了关于时间日历的:

           

      <body>
      <select id="year" οnchange="getDay()">
      <option>--请选择--</option>
      </select>
      <select id="month" οnchange="getDay()">
      <option>--请选择--</option>
      </select>
      <select id="day"></select>
      </body>

                  

    <script>
    var time = new Date();
    var year = time.getFullYear();
    var obj_year = document.getElementById("year");
    var obj_month = document.getElementById("month");
    var obj_day = document.getElementById("day");

    for(var i = 1900; i <= year; i++) {
    obj_year.innerHTML += "<option>" + i + "</option>";
    }
    for(var i = 1; i <= 12; i++) {
    obj_month.innerHTML += "<option>" + i + "</option>";
    }

    function getDay() {
    obj_day.innerHTML = "";

    var month = obj_month.selectedOptions[0].innerText;
    var day31 = ["1", "3", "5", "7", "8", "10", "12"];
    var day30 = ["4", "6", "9", "11"];
    if(day31.indexOf(month) != -1) {
    for(var i = 1; i <= 31; i++) {
    obj_day.innerHTML += "<option>" + i + "</option>";
    }
    }
    if(day30.indexOf(month) != -1) {
    for(var i = 1; i <= 30; i++) {
    obj_day.innerHTML += "<option>" + i + "</option>";
    }
    }

    if(month == "2") {
    var yeared = obj_year.selectedOptions[0].innerText;
    if((yeared % 100 != 0 && yeared % 4 == 0) || yeared % 400 == 0) {
    for(var i = 1; i <= 29; i++) {
    obj_day.innerHTML += "<option>" + i + "</option>";
    }
    }else{
    for(var i = 1; i <= 28; i++) {
    obj_day.innerHTML += "<option>" + i + "</option>";
    }
    }

    }
    }
    </script>

转载于:https://www.cnblogs.com/yujiamin123/p/6891147.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