UWP学习记录8-设计和UI之控件和模式5

UWP学习记录8-设计和UI之控件和模式5

1、日历、日期和时间控件

日期和时间控件提供了标准的本地化方法,可供用户在应用中查看并设置日期和时间值。 有四个日期和时间控件可供选择,选择的依据如下:

 

日历日期选取器是一个下拉式控件,该控件已针对从日历视图中选取某个日期进行了优化,尤其是能够显示诸如星期几或丰富的日历信息等上下文信息。 可以修改日历以提供其他上下文或限制可用日期。

日历视图让用户查看可按月份、年份或十年期浏览的日历,并与之交互。 用户可选择单个日期或一组日期。 它没有选取器图面,并且日历始终可见。

日期选取器向你提供了一种标准化方式,可使用户通过触摸、鼠标或键盘输入选取本地化格式的日期值。

时间选取器提供了一种标准化途径,可使用户使用触摸、鼠标或键盘输入选取时间值。

2、上下文菜单和浮出控件

上下文菜单和浮出控件是紧密相关的控件,两者共享交互行为。

一个使用 MenuFlyout 类实现的上下文菜单,可以包含 MenuFlyoutItemToggleMenuFlyoutItemMenuFlyoutSubItem 和 MenuFlyoutSeparator。 若要显示任何其他类型的 UI,请使用浮出控件。

浮出控件是可显示任意 UI 作为其内容的开放式容器。 浮出控件没有其自己的可视部分,它们只是内容控件。 浮出控件具有它们在其内容周围添加的边距和可选滚动栏。 若要设置某个浮出控件的样式,请修改其 FlyoutPresenterStyle

浮出控件和上下文菜单附加到特定控件。 当可见时,它们应固定到调用对象,并将其首选相对位置指定为对象:顶部、左侧、底部或右侧。 浮出控件还具有一种完整放置模式,该模式尝试拉伸浮出控件,并在应用窗口内部居中放置。

3、图像

要显示图像,可使用 Image 对象或 ImageBrush 对象。 Image 对象呈现图像,而 ImageBrush 对象使用图像绘制其他对象。

使用 Image 元素在应用中显示独立的图像。使用 ImageBrush 将图像应用到另一个对象。 ImageBrush 的用途包括文本的装饰效果,或者控件或布局容器的平铺背景。 你可以控制如何拉伸、对齐和平铺图像,从而生成图案和其他效果。

默认支持的图像文件格式有:

联合图像专家组 (JPEG)

可移植网络图形 (PNG)

位图 (BMP)

图形交换格式 (GIF)

标记图像文件格式 (TIFF)

JPEG XR

图标 (ICO)

转载于:https://www.cnblogs.com/zapline/p/5778961.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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