集训笔记2-HTML


HTML



http://176.233.40.248/main.html
ZHANGHAO:XLY
PWD:123456
--------------------------------------------------
0. 基础概念

0.1. 名称/概念:超文本标记语言,Hyper Text Markup Languange,HTML

0.2. 特点:不同的含义,不同的表现形式

0.3. 表现形式:以标记的形式
 普通文本 a:a
 超文本 a:超链接 <a>超链接</a>

1. HTML的标记语法
1.1 封闭类型标记/双标记
 语法:<标记>超链接</标记>
 e.g. <a>超链接</a>
  <b>加粗</b>

1.2 非封闭类型标记/单标记
 语法:<标记>或者<标记/>
 e.g. <img>

2. 标记的嵌套
 定义:在一对标记之中,允许另一对或者一个标记的出现,外层标记称为父级标记,内层标记称为子级标记,子级标记具有父级标记的样式,书写时注意层级关系。

<标记1>
 <标记2>
  <标记3>
 </标记2>
</标记1>


 【练习】
 创建一对body标记,在body标记中创建一对div标记,在div标记中创建一对a标记,在A标记中创建一个img标记

<body>
 <div>
  <a>
   <img src = "bjp.gif">
  </a>
 </div>
</body>

3. 标记的属性
 定义:修饰标记的内容
 【注意】声明属性时要注意的几个问题
3.1. 属性声明要到开始标记中
 语法:<标记 属性>内容</标记>
 语法:<标记 属性>

3.2. 属性和标记之间使用空号隔开。
 语法:<标记 属性>内容</标记>
 语法:<标记 属性>

3.3. 属性是拥有值的,属性的值和属性之间用“=”拼接,值可以使用单引号或者双引号引起来。

 <a hre = "http://www.baidu.com">百度</a>(推荐)
 <a hre = ‘http://www.baidu.com’>百度</a>
 <a hre = http://www.baidu.com>百度</a>
 
3.4. 一个标记允许拥有多个属性,属性和属性之间使用空格隔开,属性排名不区分先后顺序。
 <a hre = "http://www.baidu.com" target = "_blank">百度</a>

 语法:<标记 属性1 = 值 属性2 = 值2 属性3 = 值3></标记>

 【四大属性】
 *id: 元素在网页中的唯一标识。
 *title: 鼠标悬停在元素上时显示的文字。
 *class: 定义元素类选择器时使用(css)
 *style: 定义元素内联时使用(css)



4. 标记的注释语句
 定义:解释说明某一段或者某一行代码,而这行代码不会随着程序执行。
 java注释:
  //单行注释
  /*
   *多行注释
   */
  
  /**
   *文档只是
   */ 

 THML注释语法:
  <!--注释的内容-->
  <!--下面是一个a标记,用于连接到百度服务器-->


 【注意】
 *注释是不能嵌套的
 *注释不能出现在标记当中。



5. HTML文档标记语法
 定义:每一次在创建网页前都要添加到代码内容当中,是一个固定格式
声明网页类型

<! doctype html>
<html>
 <head>
  <!--声明网页的标题-->
  <title></title>
  <!--声明网页的编码格式-->
  <meta charset = "utf-8">
 </head>
 <!--声明网页的主体-->
 <body>
 
 </body>
</html>

e.g. 我的以一张网页
<!--s声明网页格式-->
<! doctype html>
<!--声明一对thml标签-->
<html>
 <head>
  <!--声明网页的标题-->
  <title>白建鹏</title>
  <!--声明网页的编码格式-->
  <meta charset = "utf-8">
 </head>
 <!--声明网页的主体-->
 <body>
 <a href = "http://www.baidu.com">百度</a>
 <a href = "baijianpeng.com">这是我的第一张网页!</a>
 <img src = "20180514192900125.png" >

 
 </body>
</html>

创建一张网页
 *【editPlus】
 *file-->new-->html page
 *ctrl+b
 
运行代码(快捷键):
 *【editPlus】
 *ctrl+b

设置模板文件:
 *【editPlus】
 *tools-->preferences-->templates-->file name
 (选择自己的模板文件路径。)

网页乱码解决方案:
 *【editPlus】
 *查看软件右下角编码格式,是不是utf-8,如果不是,


修改字体大小:
 *【editPlus】

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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