还在凭实力单身吗,那是因为你还没学会这项技术

长达7天的假期结束了,各位单身的射鸡师们有没有被成双成对的情侣们虐到痛哭流涕,有没有被七大姑八大姨催婚催到感慨万千,还在抱怨单身汪的日子不好过吗,真是不知道你们学到的那么好的技术都干嘛用了,怎么就不知道就地取材,活学活用呢。臣妾真的着实为您着急啊!

想和漂亮的小姐姐手牵手一起逛大街吗,今日臣妾就叫您一招,让您百发百中。

看到这不铃不铃的“小心心”了吗,哎呦妈呀,真的是闪瞎我二十四k金的黄金眼了,感觉空气中飘满了粉嫩嫩的小气泡。有了它还怕追不到女孩子吗?

接下来,我们就发挥射鸡师的特长,用实力征服女孩子吧!

首先,我们打开Adobe Illustrate软件,新建一个500*500的画布

 

接下来绘制两个圆形, 

并调出路径查找器,将两个圆形做连集。

接下来,我们用小白工具框选下方的两个锚点,并用对象——路径——选项——移去锚点命令将两个点移去,

看现在这个样子有没有点像蜡笔小新的pp呢。没有关系,马上就是见证奇迹的时刻了。

我们将下方的锚点向下推拽,

之后我们用shift+C锚点工具将这个点转化一下,就大功告成了,

这样我们的小心心就出现了,是不是很可爱的样子呢,

接下来我们给一个颜色就好啦。

我们打开最重要的软件,Adobe AfterEffect。Commed+N新建一个合成,合成的大小我暂定500*500,帧速率25f/s,时常为5s,合成的背景颜色我们可以设置一个深蓝色。

 

 

接下来就到我们的主角出场了,我们将刚刚做好的小心心导入到AE中来,记得要保持图层大小哦,

 

 

接下来,我们选中小心心的图层,右键——从矢量图形创建形状,

 

 

之后,我们的图层上就会出现两个”小心心”,我们将带有ai图标的图层删掉即可,

我们将”小心心”调整至合适的大小,颜色改成白色

 

 

选中”小心心”的图层,点开图层下拉小三角,将变换:组1里的位置都改成0,

 

 

这个时候”小心心”可能不在画面的中心点,我们可以通过对齐面板中的水平居中对齐与垂直居中对齐的命令将其对齐到画面中央

之后我们继续选中”小心心”图层,为图层添加中继器,将中继器中的副本改成10,变换:中继器1中的位置都改成0,将旋转改为36°

 

 

接下来我们回到变换:组1里,给位置和比例打关键帧,

 

 

帧的时长大家可以自己设置,在这里,我的数值可以留给大家做参考

0s:位置:(0.0,0.0)、比例:(0.0,0.0%)

2s: 位置:(0.0,-700.0)、比例:(100.0,100.0%)  

4s: 位置:(0.0,-1000.0)、比例:(0.0,0.0%)

这样一个”小心心”闪烁的效果就出现了,如果我们觉得动作不够流畅还可以给关键帧加缓动哦

 

 

如果我们想让”小心心”更闪烁一些我们可以给他加一个发光。在效果——风格化——发光,给”小心心”添加发光。

 

 

可能我们会感觉一层”小心心”还是太单调了,所以我们可以给”小心心”做一个翅膀。

接下来我们command+D在复制一层 ”小心心”,接下来改一下第二层”小心心”的形状

 

 

调形状,调变换:组1的旋转,旋转的角度自己随意调。

 

 

接下来我们为“小心心2”添加效果——时间——残影,参数大家可以自己随意调一下

 

 

为了效果更加明显,我们可以复制两层小翅膀,在时间上可以自己调一下

 

 

接下来我们的效果就差不多了,如果觉得还不够,我们可以在中间在加一颗心,并且,我们给这颗心同时添加效果——风格化——发光和效果——模糊和锐化——CC Radial Fast Blur效果

 

 

这样我们的小心心就做好了,是不是感觉马上要走向人生巅峰了?还等什么呢,快去追女孩子吧!

 

 

编辑:千锋UI设计

来源:UI设计师之家

  • 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
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
健身国际俱乐部系统是一种专为健身俱乐部设计的管理软件,它通过集成多种功能来提高俱乐部的运营效率和服务质量。这类系统通常包含以下几个核心模块: 1. **会员管理**:系统能够记录会员的基本信息、会籍状态、健身历史和偏好,以及会员卡的使用情况。通过会员管理,俱乐部可以更好地了解会员需求,提供个性化服务,并提高会员满意度和忠诚度。 2. **课程预约**:会员可以通过系统预约健身课程,系统会提供课程时间、教练、地点等详细信息,并允许会员根据个人时间表进行预约。这有助于俱乐部合理安排课程,避免资源浪费。 3. **教练管理**:系统可以管理教练的个人信息、课程安排、会员反馈等,帮助俱乐部评估教练表现,优化教练团队。 4. **财务管理**:包括会员卡销售、课程费用、私教费用等财务活动的记录和管理,确保俱乐部的财务透明度和准确性。 5. **库存管理**:对于俱乐部内的商品销售,如健身装备、营养补充品等,系统能够进行库存管理,包括进货、销售、库存盘点等。 6. **数据分析**:系统能够收集和分析会员活动数据,为俱乐部提供业务洞察,帮助俱乐部制定更有效的营销策略和业务决策。 7. **在线互动**:一些系统还提供在线平台,让会员可以查看课程、预约私教、参与社区讨论等,增强会员之间的互动和俱乐部的社区感。 8. **移动应用**:随着移动设备的普及,一些健身俱乐部系统还提供移动应用,方便会员随时随地管理自己的健身计划。 9. **安全性**:系统会确保所有会员信息的安全,采取适当的数据加密和安全措施,保护会员隐私。 10. **可扩展性**:随着俱乐部业务的扩展,系统应该能够轻松添加新的功能和服务,以适应不断变化的市场需求。 健身国际俱乐部系统的选择和实施,需要考虑俱乐部的具体需求、预算和技术能力,以确保系统能够有效地支持俱乐部的运营和发展。通过这些系统的实施,健身俱乐部能够提供更加专业和高效的服务,吸引和保留更多的会员,从而在竞争激烈的
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