插入附件 文件名显示不全_批量插入、提取图片,这几招要会掌握

实际工作中,我们时常需要批量插入一些相同的图片或者从长文档中批量提取图片,遇到这些情况,你会如何操作呢?

1、批量插入相同的图片

插入相同的图片这里分享两种方法:

第一种:借助页眉

双击页眉处,进入页眉页脚编辑状态,之后点击插入——图片,根据需要调整图片的大小或者移动到合适的位置,随后关闭页眉页脚,这样整篇文档就可以显示图片。

5046fc22d66f7cb53233697b9b11fc9f.gif

PS:若是想要移动图片,可以将图片的布局更改为非嵌入式。

第二种:借用文档部件库

若是不同的文档需要使用同一张图片而且要求大小一致,这时可以借助文档部件库来实现。

先选中调整好的图片,点击插入——文本——文档部件——将所选内容保存到文档部件库,之后需要用时,点击插入——文本——文档部件即可。

0b9ac38de301eecddd9d07985a15e4a7.gif

2、批量提取图片

这里同样分享两种提取的方法:

第一种:保存网页格式

点击另存为——将保存的类型更改为网页的格式,之后在相应的存储位置就可以找到。

bb53c1d46b7162d70c29c2360bf1c779.gif

第二种:更改扩展名

将文件名称更改为rar格式,之后解压,找到Media文件包,就可以看到相应的图片。

4b3deb262eadf32aefdd557a4026898b.gif
  • 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