iOS程序本地化步骤

1 将所有需要本地话的字符串用NSLocalizedString包装起来。

比如self.title = @"More"改为self.Title= NSLocalizedString(@"More", @"More Comment");

NSLocalizedString中有两个参数,第一个参数为要本地化的字符串,第二个参数为注释,可以为nil


2 打开终端,执行命令进到当前工程的所有.m文件所在的目录,比如:

cd /Users/UseName/Desktop/ApplicatiionName/ApplicatiionName/Classes 


3 在终端下执行命令:

genstrings ./*.m

这里./表示当前目录,*.m表示所有的.m文件

执行命令后会出现一个Localizable.strings


4 将Localizable.strings拉到Xcode左侧的Supporting Files的文件夹下,点击Xcode顶部导航栏右侧View上面的第三个按钮,会在Xcode的最右侧出现一个新的面板(若此面板本来就已出现则不用点击按钮),如下图所示:



5 右击上一步拉进来的Localizable.strings,点击上图中的Localization下的Make localised...按钮,

然后在点击Localizable.strings,会在右侧看到下图:


(注意:这一步不同版本的编译器的操作过程会有差别,上述操作是在Xcode4.5中进行的)


6 上图中的English是默认创建的,因为英语是iOS程序的基础语言。把上图中的Chinese勾起来,会看到左侧Localizable.strings变成文件夹,点击展开后出现两个文件:Localizable.strings(English)和Localizable.strings(Chinese)。Localizable.strings(Chinese)即中国区域的本地化语言文件。


7 点击Localizabel.strings(Chinese),出现的字符串如下图所示:

/* No comment provided by engineer. */

"Add new bookmark" = "Add new bookmark";


/* Back info */

"Back" = "Back";


/* Cancel info */

"Cancel" = "Cancel";

上面的注释行即第一步中NSLocalizedString的第二个参数中的内容。将右边的词语改为中文:

/* No comment provided by engineer. */

"Add new bookmark" = "添加书签";


/* Back info */

"Back" = "返回";


/* Cancel info */

"Cancel" = "取消";


8 进到系统设置-->通用-->多语言环境,把语言改为简体中文,把区域格式改为中国,看下程序运行的效果。

再把语言改为英语,把区域格式改为美国,看下程序运行的效果。

  • 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