一段随滚动条而动的浮动层脚本

题目有点儿拗口,知道意思就行了。从昨天下午、晚上开始,加上今天全天,差不多都在弄这个东西。在为一个项目做些准备工作,这也算是其中的一个细节。

下了不少网站的代码,竟然没有发现一个完美的,甚至有不少页面,在firefox下是动不了的。有一个站点的代码封装的很好,本来想直接拿过来用,谁知道自己的页面引用后,就是得不到想到的结果。折腾了好久才发现,原来它的DOCType用的是html4.01,而我用的是xhtml1.0的,改过去效果就出来了,但这样一来,我的版面就出现了一些异常,看来也没办法直接用,除非对它的源文件进行修改,以适应新的标准,但对于javacript来说,这真是一件让人头痛的事情。

后来,还是从网上搜了一段代码,发现比较简洁,并且在新的w3c规范下,ie和ff都算正常,于是就对它进行了简单的改进,基本上算是符合了我的要求:

//hight_floater.js

var tips;var theTop = 200;/*这是默认高度,越大越往下*/var old = theTop;

function initFloatTips() {

tips = document.getElementById('floatTips');

tips.style.left= document.body.clientWidth-200 + "px";

moveTips();

};



function moveTips() {

var tt=50;

if (window.innerHeight) {

pos = window.pageYOffset

}

else if (document.documentElement && document.documentElement.scrollTop) {

pos = document.documentElement.scrollTop

}

else if (document.body) {

pos = document.body.scrollTop;

}

pos=pos-tips.offsetTop+theTop;

pos=tips.offsetTop+pos/10;

if (pos < theTop) pos = theTop;

if (pos != old) {

tips.style.top = pos+"px";

tt=10;

}

old = pos;

setTimeout(moveTips,tt);

}



initFloatTips();

引用时类似这样:

<div style="height:25px; background-color:Beige; width:100px; position:absolute; z-index:100; border:0px;" id="floatTips"><a href="#">hello</a></div>

<script type="text/javascript" src="js/hight_floater.js"></script>

在对代码进行改进时碰到一个问题折腾了好久才搞定,就是这句:tips.style.left= document.body.clientWidth-200 + "px";用来设置其水平位置的,开始时我没有+"px"这个尾巴,在FF下就是不能出现在想要的地方,后来才发现,FF是一个认真的学生,而ie则像一个调皮的孩子,所以,安上了尾巴就OK了。我这里在引用的时候,需要在页面上部置一个div,设计时总会让人觉得不爽,我看有些朋友就把它放到脚本中去生成了。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    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,使用全连接来得到预测值。其网络结构通常包含多个卷积和全连接,通过卷积提取图像特征,通过全连接输出预测结果。 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 2
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

打赏作者

极客行天下

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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