弹性布局

1:父元素称为容器,子元素称为项目。项目们排列的方向为主轴,与主轴垂直交叉的为交叉轴。
display:flex;//将块级元素变为容器。
display:inline-flex;//将行内元素变为容器。
元素设为弹性布局后,子元素会自动在一行内显示,但父元素高度不变;float,clear,vertical-align将失效;子元素如果是行内元素,则会成为块极;
2:flex-direction
默认为row,即主轴为X轴,从左往右;row-reverse:主轴为X,从右往左;column:主轴为Y轴,从上往下;colume-reverse:Y轴,从下往上。
3:flex-wrap:当主轴排列不下项目时,是否换行,默认是nowrap,不换行,但是横方向缩小。wrap是换行。wrap-reverse:是换行且翻转。
4:flex-flowflex-directionflex-wrap的简写。
row nowrap(默认);

5:justify-content:定义项目在主轴的排列方式。
flex-start:在主轴起点对齐。flex-end:在主轴重点对齐。center:在主轴中心对齐。space-between:两端对齐,元素间距相同。space- around:两端对齐,元素两端有空白距离。
6:align-items:项目在交叉轴的对齐方式,当主轴为水平时,项目在垂直反向的对齐方式
flex-start:交叉轴上起点对齐flex-end:交叉轴上终点对齐。center:居中。baseline:基线对齐。stretch:如果项目没高度,则占满高度。
7:align-content:当主轴有多个时,即item不止一行时。


项目属性:
order:值 默认为0,值越小越靠前排列。

flex-grow:值默认为0,父元素有多余空间子元素不放大。设置各子元素在父元素的比例。如果每个子元素的flex-grow都为1,则子元素在父元素主轴以同等比例占满父元素。
flex-shrink:空间不足时,item是否缩小。默认为1,自动缩小。其他整数表示缩小的比例。

align-self:某一个子元素的对齐方式:
flex-start ,flex-end,center,baseline,stretch,auto

  • 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