7-16jquery总结

课程介绍
1.jQuery认识;(了解)
2.jQuery选择器(掌握)
3.jQuery方法(掌握)
4.jQuery ajax请求;(掌握)
5.jQuery二级联动;(掌握)

*

一,jquery认识

jQuery的核心特性可以总结为:
1)具有独特的链式语法 和短小清晰的多功能接口;
2)具有高效灵活的css选择器,并且可对CSS选择器进行扩展;
3)拥有便捷的插件扩展机制和丰富的插件;
jQuery的核心思想:写得更少,做得更多------------->这个就是他的生存之道
Write less do more
*

##二 使用jquery

jQuery===$
===先比较类型,再比较值
返回值:true
因为其他的js框架也可能使用 符 号 , 使 用 j Q u e r y 来 处 理 c o n s o l e . l o g ( 符号, 使用jQuery来处理 console.log( ,使jQueryconsole.log(("#myDiv"));
console.log(jQuery("#myDiv"));
//为什么提供两种写法
console.log(window.$ === window.jQuery);//ture
怕$被其他占用
2.2.DOM对象与jQuery对象转换
$(function(){
/**
原生对象.innerHTML = “”;
jQuery对象.html("");
mydiv1:jQuery元素对象(对原生的dom对象进行了封装)
封装之后提供了更多实现的功能
jQuery对象也没有原生dom对象的方法【基本已经够用】
mydiv2:原生的dom对象
原生对象中没有jQuery对象中的方法,那么我们要把dom对象转成jQuery对象

三.jquery选择器

1.Id选择器 #
$("#myDiv")
如果有多个id,只能操作第一个
如果要操作的控件在循环里面(id会重复出现),就不能使用id选择器。

2…class 样式选择器 .
$(".div").html(“xxx”);
如果有多个对应的样式,都可以全部进行操作
3.element 元素选择器
$(“div”).html(“xxx”);
( " i n p u t " ) . v a l ( " 所 有 的 i n p u t " ) ; 如 果 有 多 个 对 应 的 控 件 , 都 可 以 全 部 进 行 操 作 ∗ ∗ 4. ∗ 所 有 元 素 ( 控 件 ) ∗ ∗ c o n s o l e . d e b u g ( ("input").val("所有的input"); 如果有多个对应的控件,都可以全部进行操作 **4.* 所有元素(控件)** console.debug( ("input").val("input");,4.()console.debug(("*"));获取所有的页面控件
5.selector1选择器
console.debug($(“div,input”));
6.层次选择器(有上下级关系)
7.祖先 后代
在给定的祖先元素下匹配所有的后代元素
$("#book li")


  • 西游记

  • 水许传

  • 红楼梦


  • 三国







8.父亲 儿子
在给定的父元素下匹配所有的子元素
$("#book > li")

  • 西游记
  • 水许传
  • 红楼梦
  • 三国

四.jQuery注册事件

jQuery注册事件方法:
1)KaTeX parse error: Expected 'EOF', got '#' at position 3: (“#̲id”).click(func…(“#id”).on(“click”,function(){});
取消:KaTeX parse error: Expected 'EOF', got '#' at position 3: (“#̲id”).off(“click…(“#id”).bind(“click”,function(){});
取消:$(“#id”).unbind(“click”);

五.二级联动jQuery版本

参考课件,和老师上课代码,视屏
json转换

发送ajax请求

$.get/post(url,params,function(result){},type)

比如:

$.get("/getData",{“key1”,“value2”,“key2”:“value2”},function(result){},“json”)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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
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