每天学一点flash(52) stage的认识

一,对比

引用cookbook的一个说法:

  stage 是可视化对象列表层级的根节点。每个电影有一个stage 对象,它包含屏幕上显示出的所
 有对象。实际上stage 是一个容器,可以通过引用stage属性来访问任何可视化对象。

 

引用帮助文档:

 Stage 类代表主绘图区。 舞台表示显示 Flash ® 内容的整个区域。

无法以全局方式访问 Stage 对象。 而是需要利用 DisplayObject 实例的 stage 属性进行访问。

Stage 类具有多个始祖类 -- DisplayObjectContainer、InteractiveObject、DisplayObject 和 EventDispatcher,属性和方法便是从这些类继承而来的。 从这些继承的许多属性和方法不适用于 Stage 对象,或在调用 Stage 类时需要安全检查。 需要安全检查的属性和方法被记录为 Stage 类的一部分

 

做一个小实验:

问题:addEventListener(Event.ENTER_FRAME,Run) 和

        stage.addEventListener(Event.ENTER_FRAME,Run2); 的区别小实验?

输出结果:

 

Event is:[object Example2]
Event is:[object Example2]
Event is:enterFrame


Event2 is:[object Stage]
Event2 is:[object Stage]
Event2 is:enterFrame

虽然暂时不能说明什么问题,但是数据输出,有stage 和没有stage监听的一个小区别,一个监听stage对象,也就是舞台监听,而一个是类监听。

 

 

再看官方的DisplayObject类的 stage 属性:

  stage : Stage
[read-only] 显示对象的舞台。
DisplayObject

 

DisplayObject 类的 stage属性。

显示对象的舞台。 Flash 应用程序只有一个 Stage 对象。 例如,您可以创建多个显示对象并加载到显示列表中,每个显示对象的 stage 属性是指相同的 Stage 对象(即使显示对象属于已加载的 SWF 文件)。

如果显示对象未添加到显示列表,则其 stage 属性会设置为 null

 

二,stage引发的问题

 

  我曾经遇到这样一个问题,在main文档类和其他如tank类 在tank类写上了

stage.addEventListenr();这样的监听后,当我在main类创建一个tank类

会发现在tank类定义的键盘操作完全失效了。

 tank类:

  如:public function  tank()

      {

                   stage.addEventListenr();

      }

 //键盘监听

 

main类:

public function main():void

 {

  var my:tank=  new  tank();

  addChild(my);

  }

 但是这样就失效了,我猜测stage 可以理解为舞台,由于表演的舞台只有一个,所以stage 在tank类失效了

为了解决这个问题,我曾经做了一这样小举动:

 

public function  tank(stage:Object)

      {

                   stage.addEventListenr();

      }

这样在main类创建的类就能够实现了键盘监控了。

其实,使用当从外部加载一个swf的时候,stage也会遇到这样,至于具体好的办法我暂时还没有发现,如果有人知道可以解决更好的办法,可以留言给我

 

  

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 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 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
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