Retina适配

Retina适配,就是视网膜屏的适配。在苹果手机上,从iphome4开始就叫视网膜屏。

视网膜屏就是把2像素的缩放到1像素的地方去显示,更加清晰了。从iphome6开始是视网膜屏3倍的,就更加清晰了。

注意:为视网膜屏做适配。需要准备3种尺寸的图片。如:100*100、200*200、300*300的,3种图标都加到一个元素上去。

两种写法:

          1.背景适配   image-set控制   1x表示1倍,2x表示2倍。(效果是1陪的图模糊,2倍的图清晰)

        写法:

                 div{
                              background:url(pic.png) 0 0 no-repeat;
                              background-image:-webkit-image-set(url.png) 1x,url(pic.@2x.png) 2x);
                   }

        例子:

                   div{
                                    width:100px;
                                    height:100px;
                                    background:url(pic.png) left top no-repeat;
                                    background-image:-webkit-image-set(url(img/i1.png) 1x, url(img/i2.png) 2x,
                                     url(img/i3.png) 3x);

        }

        2.HTML中img标签适配

                <img src="pic.png" srcset="pic@2x.png 2x" alt="2倍的一个图片">

        3.在元素内img加max-width

总结:在工作中,比如设计图要求是400*300的。一般会切成400*300,再切一个800*600的两个图,但是其实只要切个中间的数值就可以了,比如只切一个600*400的图就行了。(折中了,不模糊还清晰。)------公司没有特殊要求说需要Retina适配,那就直接正常做,比如就切个400*300的图就可以了。(在苹果手机下可能会稍微模糊也没事)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Unet Retina Torch是一个基于深度学习的像分割模型,主要用于眼底视网膜像的分割任务。它是基于Unet架构的改进版本,用于从眼底像中准确地分割出不同的解剖结构,如视盘和黄斑。 Unet是一种经典的卷积神经网络结构,由一个编码器和一个解码器组成。编码器用于提取输入像的低级特征,而解码器则用于通过上采样和跳跃连接结构恢复分辨率和细节信息。这种结构特点使得Unet在分割任务中表现出色。 而Unet Retina Torch是针对眼底视网膜像分割任务开发的特定模型,采用了深度学习库Torch作为实现工具。Torch是一种基于Lua语言的开源深度学习框架,具有高效的神经网络及优化算法实现。Unet Retina Torch基于Torch的优势,通过训练大量的眼底像数据,能够准确地识别出眼底像中的各个解剖结构。 通过使用Unet Retina Torch,医生可以更精细地分析眼底像,识别可能存在的疾病和异常,如青光眼、黄斑变性等。这对于眼科医生来说非常重要,因为眼底像中的解剖结构之间的微小差异可能对疾病的诊断和治疗产生重大影响。 总之,Unet Retina Torch是一种用于眼底视网膜像分割的深度学习模型,它通过使用Torch框架和Unet架构的改进版本,可以准确地分割出眼底像中的不同解剖结构,为眼科医生提供更精准的诊断和治疗支持

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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