前端的一些小问题(记录/转载)

 

table 与 div 固定宽高问题

转载自这位童鞋的博客 https://www.cnblogs.com/yipeng-yu/p/3227691.html

div {
    width:100px;
    height:200px;
    word-wrap: break-word;
    overflow:hidden;
}

这个可以固定div的宽高,溢出内容会被剪除。

table{
    table-layout:fixed;
    width:200px;
    height:200px;
}
td {
    width:100px;
    height:200px;
    overflow:hidden;
}

这个只能固定td的宽度,而高度随内容增加而增高;若也要固定其高度,则需要在td中嵌套使用div,包住content,利用div的css。

如果 去除 table-layout:fixed; 情况则会反过来。

图片适应div的大小

  1. 将div 设置为固定大小
  2. 将图片的宽高设置为 100%

CSS常用中文字体、字号

字体(font-family):

新细明体:PMingLiU  细明体:MingLiU  标楷体:DFKai-SB  黑体:SimHei 
宋体:SimSun  新宋体:NSimSun  仿宋:FangSong 
楷体:KaiTi  仿宋_GB2312:FangSong_GB2312  楷体_GB2312:KaiTi_GB2312 
微软正黑体:Microsoft JhengHei   微软雅黑体:Microsoft YaHei 

Office字体: 
隶书:LiSu  幼圆:YouYuan  华文细黑:STXihei  华文楷体:STKaiti 
华文宋体:STSong  华文中宋:STZhongsong  华文仿宋:STFangsong 
方正舒体:FZShuTi  方正姚体:FZYaoti  华文彩云:STCaiyun  华文琥珀:STHupo
华文隶书:STLiti 华文行楷:STXingkai  华文新魏:STXinwei 

字号(font-size):

初号 44pt、小初 36pt、一号 26pt、小一 24pt、二号 22pt、
小二 18pt、三号 16pt、小三 15pt、四号 14pt、小四 12pt、
五号 10.5pt、小五 9pt、六号 7.5pt、小六 6.5pt、七号 5.5pt、八号 5pt。

 

表格嵌套 ,边框变粗

在外层table与内层table嵌套,内外表格都需边框时,设置“border=1”,但边框会重复,造成某些地方边框粗,有些地方边框细

1、外表格样式

<table border="1px" style="border-collapse: collapse;”>

2、内表格样式

<table border="1px" style="border-collapse: collapse; border-style:hidden;">

 

  • 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