Mac上共享文稿文件和设置共享菜单教程

您会在“访达”以及许多 Mac App 中看到“共享”按钮。在“访达”中,“共享”按钮能让您轻松共享所有种类的文稿和其他文件。通过“邮件”、“信息”等其他方式,您也可以实现与他人共享。您可以将项目共享到其他 App,例如“备忘录”和“提醒事项”。共享选项取决于所共享项目的类型、自定“共享”菜单的方式以及共享目的位置。例如,您可以共享至 Mac 上的“备忘录”,但不能共享至部分类型的“备忘录”帐户。

Mac上共享文稿文件和设置共享菜单教程

从“访达”窗口共享项目

在 Mac 上的“访达”中,选择一个或多个项目,然后点按工具栏中的共享按钮。如果项目位于桌面,请按住 Control 键点按项目,然后从快捷菜单中选取“共享”。

从“共享”菜单中列出的选项中选取您想要的共享方式。列出的选项取决于所共享项目的类型以及自定“共享”菜单的方式(如下所述)。

提供您选取的共享方法所需的任何附加信息。

共享来自其他 App 的项目

您可以共享大多数 Mac App 中的项目。例如,您可以通过“邮件”和“信息”共享备忘录,和使用“隔空投送”与您附近的其他人共享项目。

 

除了与其他人共享外,您可以将许多项目共享至“备忘录”、“提醒事项”和其他 App。

 

在 Mac 上的 App 中,选择可以共享的内容,例如:

文稿中的文本:在许多 App 中,您可以选择文本,按住 Control 键点按它,然后从快捷键菜单中选取“共享”。

Safari 浏览器网页:查看网页时,点按 Safari 浏览器工具栏中的共享按钮 。

日历日程:连按或***点按日历中的一个日程,按住 Control 键点按日程窗口中日程标题或其他文本,然后从快捷键菜单中选取“共享”。

邮件信息:选择邮件的主题或其他文本,按住 Control 键点按它,然后从快捷键菜单中选取“共享”。

地图位置或路线:查找位置或获取路线,然后点按“地图”工具栏中的共享按钮 。

音符:选择一个备忘录,然后点按“备忘录”工具栏中的共享按钮 。

联系人名片:查看名片时,点按窗口右下角的共享按钮 。

照片:选择照片或者相簿,然后点按“照片”工具栏中的共享按钮 。

如果 App 中没有共享按钮,请按住 Control 键点按您想要共享的内容,然后从快捷键菜单中选取“共享”。

从“共享”菜单中列出的选项中选取您想要的共享方式。列出的选项取决于所共享项目的类型以及自定“共享”菜单的方式(如下所述)。

提供您选取的共享方法所需的任何附加信息。例如,若要将网页共享至“备忘录”,您可以选择将包含链接的缩略图添加到现有或者新的备忘录。

自定“共享”菜单

使用“扩展”偏好设置可以选取将出现在“共享”菜单中的项目。您的选择会影响“通知中心”的“今天”视图中“社交”小组件的显示内容。请参阅使用“通知中心”。

在 Mac 上的 App 中,点按“共享”按钮 ,然后选取“更多”来打开“扩展”偏好设置。您还可以选取苹果菜单>“系统偏好设置”,然后点按“扩展”。

点按左侧的“共享”菜单,然后在“共享”菜单中选择想要包括的共享扩展和取消选择不想包括的扩展。如果在“扩展”偏好设置中选择了一个扩展,但在“共享”菜单中却未看到该扩展,则您尝试共享的任何内容都不能通过该扩展共享。例如,您可以通过“隔空投送”共享 Safari 浏览器中的网页,但不能共享所选的文本。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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