JavaScript 进阶学习 6 浏览器对象

window对象 :是BOM的核心,window对象指当前的浏览器窗口。、

   window对象方法

    

JavaScript 计时器  :在JavaScript中,我们可以在设定的时间间隔之后来执行代码,而不是在函数被调用后立即执行。
    计时器类型一次性计时器:仅在指定的延迟时间之后触发一次。
                         间隔性触发计时器:每隔一定的时间间隔就触发一次。
    计时器方法

                         

           计时器setInterval() :在执行时,从载入页面后每隔指定的时间执行代码。
                                   语法 :   setInterval(代码,交互时间);
                            参数说明:1. 代码:要调用的函数或要执行的代码串。

                                              2. 交互时间:周期性执行或调用表达式之间的时间间隔,以毫秒计(1s=1000ms)。
                               返回值:    一个可以传递给 clearInterval() 从而取消对"代码"的周期性执行的值。
                              调用函数格式(假设有一个clock()函数):
                                                   setInterval("clock()",1000)      或      setInterval(clock,1000)      
     

          取消计时器clearTimeout() :setTimeout()和clearTimeout()一起使用,停止计时器。
                                              语法 :   clearTimeout(id_of_setTimeout)
                                       参数说明 :    id_of_setTimeout :由 setTimeout() 返回的 ID 值。该值标识要取消的延迟执行代码块。

History 对象 :记录了用户曾经浏览过的页面(URL),并可以实现浏览器前进与后退相似导航的功能。
           注意:从窗口被打开的那一刻开始记录,每个浏览器窗口、每个标签页乃至每个框架,都有自己的history对象与特定的window对象关联。
      语法:window.history.[属性|方法]         注意:window可以省略。

      

      

     返回前一个浏览的页面back()方法 : 加载 history 列表中的前一个 URL。
                                                   语法  :window.history.back();      //返回前一个浏览的页面,代码如下:window.history.back();
                                                   注意  :等同于点击浏览器的倒退按钮。  back()相当于go(-1)

     返回下一个浏览的页面forward()方法 :  加载 history 列表中的下一个 URL。如果倒退之后,再想回到倒退之前浏览的页面,则可以使用forward()方法,代码如下:
                          window.history.forward();
                                                       注意 :等价点击前进按钮。   forward()相当于go(1)

     返回浏览历史中的其他页面go()方法 :根据当前所处的页面,加载 history 列表中的某个具体的页面。
                                                       语法 :window.history.go(number);

                                       

Location对象 :用于获取或设置窗体的URL,并且可以用于解析URL。
                   语法  :    location.[属性|方法]
     location对象属性图示:

      

     location 对象属性:

     

     location 对象方法:

     

Navigator对象 :包含有关浏览器的信息,通常用于检测浏览器与操作系统的版本。
        对象属性 :

     

      userAgent :返回用户代理头的字符串表示(就是包括浏览器版本信息等的字符串)
               语法 :navigator.userAgent
            几种浏览的user_agent.,像360的兼容模式用的是IE、极速模式用的是chrom的内核。

       

screen对象  :用于获取用户的屏幕信息。
                 语法  : window.screen.属性
         对象属性   :

       

      屏幕分辨率的高和宽 :window.screen 对象包含有关用户屏幕的信息。
          1. screen.height 返回屏幕分辨率的高
          2. screen.width 返回屏幕分辨率的宽
            注意:1.单位以像素计。2. window.screen 对象在编写时可以不使用 window 这个前缀。

      屏幕可用高和宽度
          1. screen.availWidth 属性返回访问者屏幕的宽度,以像素计,减去界面特性,比如任务栏。
          2. screen.availHeight 属性返回访问者屏幕的高度,以像素计,减去界面特性,比如任务栏。
          注意:不同系统的任务栏默认高度不一样,及任务栏的位置可在屏幕上下左右任何位置,所以有可能可用宽度和高度不一样。

  • 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
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