CSS设置精选版(基础一)

1、定义虚线并且指定颜色的边框

border: 1px dotted #000;

 

2、选择器(元素基于类)

td.fancy {}  注意:元素和类名之间没有空格

html中表示为:<td class="fancy">

 

4、指定背景图片:

background-image: url(/i/eg_bg_03.gif);

  4.1 图片平铺

background-repeat: repeat-y;  或 background-repeat: repeat-x;  或 background-repeat: repeat-y repeat-x;  或  background-repeat: no-repeat;  

  4.2 图片定位

background-position:

取值范围:top center bottom right center left

或  100px  50px

当定位为数值时,即图片的偏移量, 第一个值为左上角向右的偏移量,第二值为左上角向下的偏移量。

例:background-position:  right top

  4.3 图象滚动

当文字超出一屏时,滚动时只滚动文字,图片仍然为背景。

background-attachment:fixed   //默认值 scroll

  4.4 将以上属性设置在一个声明中

background: #ff0000 url(/i/eg_bg_03.gif) no-repeat fixed center;

 

5、direction 设置元素内容方向。

(direction: rtl  或  direction: ltr)

 

6、文本相关设置:

  6.1 设置行高: line-height 。

  6.2 设置字符间距: letter-spacing 。

  6.3 对齐元素中的文本: text-align 。 (left  center  right)

  6.4 给文本加 上划线 横线(删除线) 下划线 无线

text-decoration: (overline  line-through  underline  none)

 6.5 首先缩进 text-indent: 1cm

 6.6 控制英文单词全部大写 小写 首字母大小

text-transform: (uppercase  lowercase  capitalize )

 6.7 控制文本不换行等设置

white-space: (normal  pre  nowrap)

normal 默认。空白会被浏览器忽略。
pre 空白会被浏览器保留。其行为方式类似 HTML 中的 <pre> 标签。
nowrap 文本不会换行,文本会在在同一行上继续,直到遇到 <br> 标签为止。

 6.8 设置字体系列: font-family 。(font-family: Georgia, serif;)

 6.9 设置字体风格: font-style 。(font-style: normal;  或 font-style: italic )

 6.10 设置字体粗细: font-weight,取值:

描述
normal默认。定义标准的字符。
bold定义粗体字符。
bolder定义更粗的字符。
lighter定义更细的字符。
  • 100
  • 200
  • 300
  • 400
  • 500
  • 600
  • 700
  • 800
  • 900
定义由粗到细的字符。400 等同于 normal,而 700 等同于 bold。

 6.11 将所有属性应用于一个font设置中

font: italic small-caps 900 18px arial

 

7、文本过长时,显示省略号(只支持中文,且IE)

width:45px;text-overflow:ellipsis;white-space:nowrap;overflow: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
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