弹出层

 <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
 <html xmlns="http://www.w3.org/1999/xhtml">
 <head>
 <meta http-equiv="Content-Type" content="text/html; charset=gb2312" />
 <title>弹出层</title>
 <style>
 .pop-body{display:none;background:#000;position:absolute;z-index:1000;top:0;left:0;opacity:0.5;}
 .pop-home{background:#6cf;position:fixed;top:50%;left:50%;margin-top:-150px;margin-left:-150px;width:300px;height:300px;display:none;z-index:1100;}
 .pop-home span{font-size:30px;position:absolute;top:10px;right:10px;cursor:pointer;}
 .on{border:1px solid #000;height:800px;}
 </style>
 </head>
  
 <body>
 <div class="fore1">点击</div>
 <div class="pop-body"></div>
 <div class="pop-home">
 <span>x</span>
 </div>
 <div class="on"></div>
 <div class="on"></div>
 <div class="on"></div>
 <div class="on"></div>
 <div class="on"></div>
 <script src="jq源代码/jquery-3.1.0.js" type="text/javascript"></script>
 <script src="jq源代码/jquery-3.1.0.1 .js" type="text/javascript"></script>
 <script>
 $('.fore1').click(function(){
 var w=$(window).width()
 var h=$(window).height()
 $('.pop-body').show().css({width:w,height:h})
 $('.pop-home').show()
 $("body").css("overflow","hidden")
  
 });
 //点击关闭
 $('.pop-home span,.pop-body').click(function(){
 $('.pop-body,.pop-home').hide()
 $('body').css('overflow','auto')
 });
 </script>
  
 </body>
 <!--
 var w1=(".pop-home").width()/2
 var h1=(".pop-home").height()/2
 $(".phome").css({marginLeft:-w1,marginTop:-h1;})
 -->
 </html>
 
  • 1
    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,使用全连接来得到预测值。其网络结构通常包含多个卷积和全连接,通过卷积提取图像特征,通过全连接输出预测结果。 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