2020.8.27

选择器
元素选择器
用标签名作为选择器,选中所有相应的元素

类选择器
根据class的属性来选择元素,样式定义为:.classname { }

ID选择器
根据id名来选择元素,样式定义为:#idname{ }

属性选择器
选择器 描述
[attribute] 选取带有指定属性的元素。12456
[attribute=value] 选取带有指定属性和值的元素。6
[attribute~=value] 选取属性值中包含指定词汇的元素。456
[attribute|=value] 选取带有以指定值开头的属性值的元素,该值必须是整个单词。6
[attribute^=value] 匹配属性值以指定值开头的每个元素。1256
[attribute$=value] 匹配属性值以指定值结尾的每个元素。46
[attribute*=value] 匹配属性值中包含指定值的每个元素。12456

关系选择器
选择器 描述

E F 选择E元素的后代元素
F E > F 选择E元素的直接后代元素
F E + F 选择E元素的第一个弟元素
F E ~F 选择E元素的所有弟元素F

并选择器
将相同的样式放在一起,类名直接用英文逗号分隔。 写法:E,F(中间用英文的逗号分隔)

案例:

<!DOCTYPE html>
<html>
	<head>
		<meta charset="utf-8" />
		<title></title>
		<style>
			#div1,#div3 {
				width: 100px;
				height: 100px;
				border: 1px solid blue;
			}
		</style>
	</head>
	<body>
		<div id="div1">我是div1</div>
		<div id="div2">我是div2</div>
		<div id="div3">我是div3</div>
	</body>
</html>

通配符选择器
通配符选择器可以选中页面所有的标签 写法:*{}

  • 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