微软IE浏览器各版本更新内容的区别

    在程序员的眼里,微软的IE6浏览器的结束对他们而言是一种解脱,IE7首次开始完整支持W3C标准,从此之后IE的标准化之路就开始越走越顺,以下总结了IE7以后各版本的更新内容,和各版本的差别,作为Web开发人员解决浏览器兼容性问题的参考。   

  IE7更新   

微软IE浏览器各版本更新内容的区别


  解决了IE6的一个float bug;   

  增强了CSS选择器支持;   

  内置AJAX;   

  透明PNG图片支持。   

  IE8更新 

  
微软IE浏览器各版本更新内容的区别

  解决了所有浮动bug(可能是所有CSS Bug都解决了),完全支持CSS2.1规则和选择器(这个是亮点,至少在CSS上完全符合W3C标准了) 。   

  去掉了CSS 表达式 使用 -ms-厂商前缀表示IE专有属性,这一点向webkit和firefox学习了,值得表杨 修正了一系列DOM错误,更符合标准,但并没有新增支持 如getElementById的时候ID区分大小写,不会错把Name当ID。   

  支持link标签的charset属性 AJAX支持增强 支持HTML5中的本地存储(挺先进的) 本地JSON对象支持(这个也挺先进) 增加UA兼容模式 增加了almost Stardards渲染模式 然而IE8仍然没有实现DOM L2,DOM L3和DOM L2 和 L3 事件处理(包括冒泡模型)的完整支持。   

  IE9更新 
微软IE浏览器各版本更新内容的区别

  实现DOM L2、DOM L3和DOM L2和L3 事件处理(包括冒泡模型)的完整支持HTML5和CSS3支持,opacity透明属性的支持。   

  CSS3 2-D transforms,Canvas,video之类的就不说了。   

  Web开放字体格式 (WOFF) 的支持SVG原生支持,一系列JS Bug的修复(Jscript)更符合ECMAScript标准。   

  ECMAScript 5支持,在DOM中空白字符也作为独立的文本节点以保持与其它浏览器一致。   

  未知标签也能使用CSS样式,支持application/xhtml+xml的MIME。   

  IE10更新 
   
微软IE浏览器各版本更新内容的区别
  

  ECMAScript 5 Strict 模式支持 HTML5和CSS3增强 CSS3 3-D transforms(需要-ms-前缀,因为W3C还未定稿);   

  Websocket,webwork,file api等等;   

  SVG改进和增强SVG滤境;   

  DOM增强 大多是带ms前缀的增强(也是就IE专有的);   

  如触屏操作,手势事件等等;   

  不再支持IE10的UA兼容设置(因为从IE9开始已经完全符合W3C标准),但仍支持IE9和之前的UA兼容设置。   

  总结:   

  IE7只是对IE6的小小增强;IE8完全支持CSS2.1和选择器,DOM操作更符合W3C标准,但DOM支持仍不完整;IE9 完全支持DOM L1,DOM L2,Jscript更符合标准,ECMAScript5支持,HTML5,CSS3支持,SVG支持。
  • 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