day01 学习vue.js vue-cloak的学习

vue-cloak 的学习

<!DOCTYPE html>
<html lang="en" xmlns:v-bind="http://www.w3.org/1999/xhtml" xmlns:v-on="http://www.w3.org/1999/xhtml">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <meta http-equiv="X-UA-Compatible" content="ie=edge">
    <title>Document</title>
    <script src="./lib/vue.js"></script>
    <style>
        [v-cloak]{
            display: none;
        }
    </style>
</head>
<body>

    <div id="app">

        <!--使用v-cloak 能够解决插值表达式闪烁问题-->
        <p v-cloak>{{ msg }}</p>
     <!--   默认v-text是没有闪烁问题的-->
      <!--  v-cloak会覆盖元素中原本的内容,但是插值表达式 只会替换自己这个占位符,不会吧整个元素的内容清空-->
        <h4 v-text="msg"></h4>

        <div v-html="msg2">{{msg2}}</div>
      <!--  v-bind 是Vue中,提供的用于绑定属性的命令-->
       <!-- v-bind命令可以被简写成 : 要绑定的属性-->
     <!--   v-bind中可以写合法的js表达式-->
      <!--  vue中提供了v-on: 事件绑定机制 缩写是@-->
        <!--<input type="button" value="按钮" v-bind:title="mytitle+'123'" id="btn">-->

        <!--点击事件click-->
        <!--<input type="button" value="按钮" v-on:click='show'>-->
        <!-- 鼠标触发事件mouseover-->
        <input type="button" value="按钮" v-on:mouseover='show'>
    </div>


<script>

    var vm = new Vue({
        el: '#app',
        data: {
            msg:'123',
            msg2:'<h1>我爱你!</h1>',
            mytitle:'这是一个自己定义的title'
    },
    methods :{      //这个methods属性中定义了当前vue示例所有可用的方法
        show:function(){
            alert('Hello')
        }
    }
    })

  //  不用Vue操作dom的方法
 /*   document.getElementById('btn').onclick = function(){
        alert('hell0');
    }*/

</script>

</body>
</html>



1


  • 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