web前端第三天

table和div
table表格
学号 姓名 性别 年龄
1 小明 男 12
2 小刚 男 11

表格的组成部分:标题 表头 主体 表尾
table定义一个表格
caption 定义表格的标题
thead 定义表头的部分
tbody 定义表格的主体(数据)部分
tfoot 定义表尾,一般来说显示汇总信息

tr 定义一行
th td 来定义数据项(单元格) th一般用于表头,有加粗的样式。
td 一般用于主体部分,没有加粗的样式
td rowspan 和 colspan 分别定义了单元格跨行的行数,跨列的列数
cellspacing:间距
cellpadding:边距

div

div 定义一个分块
特点:在新的一行显示 块级标签

块级标签 与 行内标签的区别:
块级标签占满行 行内标签会按照顺序从左到右依次排列

块级标签:h1-h6 p ul ol li div table dl form
行内标签:span a br lable i em
行内块:img input

块级元素的特点:display:block

  1. 每个块都是从新的一行开始,后面的元素会另起一行(霸道)
  2. 元素的宽度,高度,行高,内外边距都可以设置的
  3. 如果不设置元素的宽度,是它父容器的100%,除非你给他设定高度
    行内元素的特点:display:inline
    1. 和其他的元素都在一行
    2. 不能设置元素的宽度,高度,行高,内外边距
    3. 元素的宽度是它包含文字或图片的宽度,不能改变
    行内块的特点:display:inline-block
    1. 和其他的元素都在一行上
    2. 宽度,高度,行高,内边距都可以设置的
  • 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