一文读懂:如何建立UI设计规范

我们在做互联网产品中,有的是以产品功能,但大部分以项目为纬度进行分割。在产品1.0后,设计团队需要UI设计师建立规范,如果你所在的产品团队有2个以上的UI同学。那可能在1.0还没开始,一套好的UI规范就是需要立马做的。

首先要明确,UI规范是需要UI设计师或UED团队来完成的。但今天这里我归纳了一些好的设计规范方法集合(含多个案例)。

从如何建立设计规范、团队什么是需要规范、设计规范应该有什么纬度,本文涵盖较多的图片内容,建议注意。

下面这些内容都来自一群优秀的设计师回答者,通过产品经理视角归纳了上面3个问题的答案。

设计规范的分类

UI的设计规范总共可以分为三类:

1

品牌类(VI)

帮助企业做的宣传手册、PPT、市场公关等pr文件,企业的整体形象颜色。就好比你现在看到的瓜子二手车,绿色是整个的颜色。

2

平台、系统类

常见的是IOS、谷歌、开放平台、小程序等,需要第三方开发者介入,需要第三方的开发者在设计上遵循什么理念,以及遵循该套理念 后的背景与原因、好处

3

产品业务类

面向产品内部,规则侧重在产品设计和实现层面,实用性第一。设计文档、标注都不能少,其他设计同学或工程师可以直接参考或使用

互联产品的设计规范概念

设计互联网产品,Style Guide /Pattern library、Specification各具不同的功能和作用,却都含“设计规范”的概念

1

Style Guide

偏重视觉概念,常见文档或图像格式呈现(还可以扩展)

内容:对设计作品的字体(Typeface)、字型(Font)、色板、品牌标识规范(Brand Guideline)、Icon等要素进行展示和说明

这个部分主要的功能是方便设计师与设计师之间,展示产品的视觉风格。方便风格复用,规范新的元素或第三方接入。

2

Pattern Library

偏重(web前端)开发概念,基本都是以网页文档形式呈现

内容:对界面元素(UI Elements)的样式风格以及实现其效果所对应的代码片段作出解释(HTML、CSS),常见的布局(Grid System)、字体排版(Typography)、按钮、菜单、列表、对话框(Dialog)、Toolip等等

可以帮助团队Web设计和协作开发,统一产品风格。减少UI还原与验收的工作,保证用户体验与最初设计稿一致。

3

Specification(Spec)

介于设计与开发之间,由设计师直接在(mockup)中创建

内容:主要由Annotation(注释,国内俗称“标注”)和Measurement(量度)构成。其实说白了就是我们常规研发中的让UI切图,是开发与设计人员最直接的交流。通过切图,我们可以把字体字型、色纸

UIKit与设计文档规范

细节的设计规范在不注重设计的公司是非常难以推动,第一是版本变化太快。很可能今天上线的新产品,明天就说要重构。UI稿都没时间做完了,哪还有时间去琢磨这个版本的设计规范,小步快跑待商业模式清楚后再去考虑设计规范的事情。

当然,如果团队中已经有几个设计师的情况,可以考虑在基础控件、组件上建立规范,方便设计稿合并的时候可以连接上。

通过设计团队一起讨论、草稿、细化、定稿、规划、批量化,设计规范就像炒菜一样。绝对不是通过加点盐、少点醋可以把菜做好的,而是通过时间的积累,越沉淀会越香。

设计师也需要从无规范到沉淀自己的规范,如果一个版本推翻,就全部重新更换规范。这就是去了规范的意义,规范是可以复用,并且也可以让用户达到了固定的认知,推翻则可能是对用户习惯的挑战。

UIKit,其实说白了是将设计稿源文件以 psd\sketch文件,可以让不同设计师快速使用,并且产生设计风格相似的产品。

比如小程序与app或web,如果已经订好了web,则设计师可以通过该规范快速产生小程序设计稿,让小程序可以用一套规范。

如知乎在web的热搜榜与知乎小程序的热搜

UI设计文档规范

文档与UIkit的不同点在于,可以更加详细和准确的表达。对风格、颜色、文字、控件、交互、图标、东校,甚至还可以包含配乐都有了明确的标注。需要不停的更新、迭代、完善,这是一个持续的动态文档。有点类似产品经理的需求池、需求文档一样,随着新功能、新版本、新元素的加入,设计师需要增加UI设计文档规范的内容甚至推翻部分规范。

文档规范又分

  • 字体排版(Typography),即界面式设计

  • 颜色(Color)规范,产品主要的颜色库

  • 图标库(Icon)

  • 控件库(UI Toolikt)

  • 视觉框架(Visual Hierarchy),定义产品的交互框架结构,与信息架构有关需要产品经理参与

下面是一个UI文档规划web端案例

企业vi/品牌形象的规范

企业vi并不是互联网的UI规范,他没有像互联产品的什么button\控件等。但他们都非常相似,因为两者紧密相关。通过企业的logo展开的产品、企业服务、企业形象都是vi、UI设计师需要考虑的。

两个比较好的例子就是MUJI和Apple,下面分别是他们的app \网页\实体店。

MUJI

Apple

设计UI规范步骤

既然知道UI规范有什么,需要什么内容。UI同学真正在实际工作中是如何建立设计规范的?

大体的流程为

  1. 浏览所有组件

  2. 分类

  3. 整合

  4. 参考竞品,优化组件

  5. 写UI文档》验证、拓展更新

浏览组件

浏览产品所有的页面,对产品的组件进行全面的了解,比如如果是社区产品,则feed流、登录注册、图文组件。一定要注意纬度是最细的:组件,搞清楚有多少种组件

分类

不同行业的产品,组件的优先级会有不同。比如电商类的是以图文组件、新闻资讯的是信息流组件。

通过截图的方式进行收集,不要一开始就用sketch或axure来进行绘制。非常耽误时间

整合

对组件进行分类,注意的是有一些组件可能会出现个性化的情况。根据产品经理需求而定。对照新版本和需求,对现在没有的组件也进行标注,以下面的方式进行展开

参考竞品、对照需求,优化组件

通过分类,我们可以以组件的类型去参考一些好的案例。比如网易、腾讯等产品,甚至是自己所在行业的竞品,上面我们只是把之前的组件进行了规整。接下来就是对不同类型的组件进行优化,因为很多组件可能在没有规范的时候其实是老化或淘汰的。

参考竞品既可以知道组件规范的问题,也可以知道是否付费时代用户趋势。在这步完成后,我们的组件就基本新鲜出炉啦。

写UI规范文档

通过上面的工作,我们接下来使用sketch或蓝湖等工具,将文档规范输出。注意前面说的,UI规范文档是一个持续动态的文档,保证团队可以及时更新和复用。下面是一个例子

颜色提供高度定制化还是提供有限色板

在这里有2个前端开源工具,分别是Bootstrap和Semantic UI,都是非常丰富的前端规范案例。

Bootstrap是美国Twitter公司的设计师Mark Otto和Jacob Thornton合作基于HTML、CSS、JavaScript 开发的简洁、直观、强悍的前端开发框架,使得 Web 开发更加快捷

Semantic UI

Semantic is a development framework that helps create beautiful, responsive layouts using human-friendly HTML.

在色调的选择上

有去色板的,色彩主题非常容易切换;由于颜色的可选性不多导致场景的选择上会更加苛刻,或者需要添加额外的设计

定制化的优势是方便提供色彩的丰富性,每一个component的颜色都可以毫无相关,但劣势是增加了色板的控制难度,对开发的要求也会非常高。开发需要通过管理不确定的颜色,就要管理未知的代码设计。

下面是在是一个案例

本次规范内容原创的作者门:

阿本、陈希 Chris、周莜、叶卉、静静、阿本、icecreamliker

好的内容会发光,感谢他们的内容提供。相信也能在这里帮助正在阅读的你。

定一套设计规范,减少产品弯路。

之所以花这么长时间整理这篇归纳内容,是近期在工作中深刻认知到一套UI规范是可以大大提升开发效率,减少在测试、UI还原的工作量,并在思考一个问题产品经理如何协助UI定规范?

产品经理需要告知需求的背景、需求介绍、产品未来的规划甚至是产品的商业模式。

当然,如果你只有一个点子,还没有开始你的项目运营。那设计规范可以放在后边,但当项目上线后,逐步开始进行UI的迭代与团队成员增加,一个持续动态更新的UI规范是非常有必要的。

产品经理要知道在UI规范中常见的一些事件,比如按钮的状态、输入框的状态等类型。因为很多情况下,UI设计师一个人是没办法全部想全面,产品经理需要在测试环境甚至是线上环境就给予建议。

当然,理想的方式还是在UI设计中就给予对应的元素、元素状态。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
Yolov5 是一种广泛应用于目标检测的算法,其 loss 原理相对简单。Yolov5 通过将目标检测问题转化为一个回归问题,通过预测 bounding box 的坐标来实现目标检测。 Yolov5 的 loss 主要包括三个部分:分类损失、定位损失和目标置信度损失。 分类损失是用来衡量预测的类别与真实类别之间的差异。Yolov5 使用交叉熵损失函数来计算分类损失。对于每个边界框(bounding box),它将计算预测类别的 softmax 概率与真实类别的 one-hot 向量之间的交叉熵。 定位损失用于衡量预测的边界框位置与真实边界框位置之间的差异。Yolov5 使用 Smooth L1 损失函数来计算定位损失。它通过对预测边界框的坐标与真实边界框的坐标之间进行平滑处理,减小了异常值的影响。 目标置信度损失用于衡量预测的边界框与真实边界框之间的 IoU(Intersection over Union)之间的差异。Yolov5 使用 Binary Cross-Entropy 损失函数来计算目标置信度损失。它将预测的边界框是否包含目标与真实边界框是否包含目标之间的差异进行衡量。 最终,Yolov5 的总损失是通过将三个部分的损失加权求和得到的。这些权重可以根据具体的任务和数据集进行调整。 通过最小化 Yolov5 的 loss 函数,模型可以学习到更准确的目标检测结果。这样,我们就可以在图像中准确地检测和定位不同类别的目标。

“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 1
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