html常用标签

##HTML
1.概念:最基础的网页开发语言
*Hyper Text Markup Language 超文本标记语言
*超文本:
*超文本是超链接的方法,将各种不同空间的文字信息组织在一起的网状文本。
*标记语言:
*由标签构成的语言。<标签语言> 如 html, xml

注释  <!--   -->

*代码:

```html
<!DOCTYPE html>
<html lang='ch'>

       <head>
              <meta charset="UTF-8">
              <title>title</title>
       </head>

       <body>
               <font>hello word</font>
       </body>

</html>


<p>: 段落标签
<br>:换行标签
<hr>:展示一条水平线
<b>:字体加粗
<i>:字体斜体
<font>:字体标签   例子:<font color="FF00FF"  size="5"  face="楷体">内容</font>
<center>:文本居中
<a>:超链接,里面必须附带href

属性:
*color:颜色
     1.英文单词:red,green,blue
     2.rgb(值1,值2,值3):值范围:0~255   如:rgb(0,0,255)
     3.#值1值2值3:值得范围:00~FF之间。如:#FF00FF
*width:宽度
     1.数值:width='20',数值的单位,默认是px(像素)
     2.数值%:占比相对于父元素的比例
*size:高度或者大小
*align:对其方式
    *center:居中
    *left:左对齐
    *right:右对齐
*face:字体
*style: 背景颜色

&nbsp;      空格

页内背景颜色:
   1.<p style="color:blue;">内容</p>
   2.<h1 style="background-color:red;">内容</h1>
   3.<body style="background-color:red;"> </body>
背景虚化rgba(220,38,38,0.2);

图片
<img src="图片路径" align="" alt="" >
table:定义表格
     *width:宽度
     *border:边框
     *cellpadding:定义内容和单元格的距离
     *cellspacing:定义单元格之间的距离,如果指定为0,则单元格的线会合为一条
     *bgcolor:背景色
     *align:对齐方式
tr:定义行
     *bgcolor:背景色
     *align:对齐方式
td:定义列
     *colspan:合并列
     *rowspan:合并行
th:定义表头单元格
<caption>:表格标题
<thead>:表示表格的头部分
<tbody>:表示表格的体部分
<tfoot>:表示表格的脚部分

colspan:列合并
rowspan:行合并

确定使用table来完成布局
如果某一行只有一个单元格,则使用<tr><td></td></tr>
如果某一行有多个单元格,则使用
      <tr>
	<td>
	       <table></table>
	</td>
      </tr>


div:每一个div占满一整行,块级标签
span:文本信息在一行展示,行内标签,内联标签

超链接
<a href="跳转链接">点我</a>
target  
    *_self:点击自身页面跳转
    *_blank:点击另外页面跳转

有序列表
<ol type="A" start="5">
    <li></li>
    <li></li>
</ol>
E开始


表单
form:用于定义表单的输入,可以定义一个范围,范围代表采集用户数据的范围
  *属性
    *action:指定提交数据的URL
    *method:指定提交方式
         *分类:一共7种,两种比较常用
             get:
	1.请求的参数会在地址栏中显示,会封装在请求栏中
	2.请求的长度是有限制
	3.不太安全
             post:
	1.不会在地址栏中显示,会封装在请求体中(HTTP协议后讲解)
	2.请求参数的大小没有限制
	3.较为安全
 *表单中的数据要想被提交,必须指定其name属性

<form action="地址" method="get">
    用户名:<input name="username"><br>
    密码:<input name="username"><br>
    <input type="submit" value="登录">
</form>

表单项标签:
  *input:可以通过type属性值,改变元素展示的样式
     *type属性:
           *text:文本输入框,默认值
	*placeholder:指定输入框的提示信息,当输入框的内容发生变化,会自动清空提示信息
           *passwd:密码输入框
           *radio:单选框
	*注意:
	    1、要想让多个单选框实现单选的效果,则多个单选框的name属性值必须一样
	    2、一般会给每一个单选框提供value属性,指定其被选定后提交的值
	    3、checked属性,可以指定默认值
           *checkbox:复选框
	    1、一般会给每一个单选框提供value属性,指定其被选定后提交的值
	    2、checked属性,可以指定默认值
           *file:文件选择框
           *hidden:隐藏域,用于隐藏信息
           *按钮:
               *submit:提交按钮,可以提交表单
               *button:普通按钮
               *image:图片提交按钮
	      *src属性指定图片的路径
          *color:取色器
          *data:日期
          *datatime:日期加时间
          *email:会对邮箱地址进行简单格式校验
          *number:输入数字

      *label:指定输入项的文字描述信息
	*注意:
	     *label的for属性一般会和input的id属性值对应。如果对应了,则点击label区域,会让input输                      入框获取焦点

 *select:下拉列表
      *子元素:option,指定列表项
      *注意name属性不可丢

 *textarea:文本域
     *cols:指定列数,每一行有多少个字符
  • 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
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