文章标题

import java.awt.*;
import javax.swing.*;
public class LayoutTest extends JFrame{
JButton btn1,btn2,btn3,btn4,btn5;//定义按钮
JPanel mainPan;
FlowLayout fLayout;//定义流式布局
GridLayout gLayout;//定义网格布局
BorderLayout bLayout;//定义边界布局
CardLayout cLayout;//定义卡片布局
public LayoutTest(String layoutstyle){
super(“布局方式:”+layoutstyle);
mainPan=new JPanel();
fLayout=new FlowLayout(FlowLayout.LEFT);//创建流式布局方式的对象
gLayout=new GridLayout(3,2);//创建网格布局方式的对象
bLayout=new BorderLayout();//创建边界布局方式的对象
cLayout=new CardLayout(10,10);//创建卡片布局方式的对象
if(layoutstyle==”fLayout”)//判断采用流式布局
mainPan.setLayout(fLayout);
else if(layoutstyle==”gLayout”)//判断网格流式布局
mainPan.setLayout(gLayout);
else if(layoutstyle==”bLayout”)//判断采用边界布局
mainPan.setLayout(bLayout);
else if(layoutstyle==”cLayout”)//判断采用卡片布局
mainPan.setLayout(cLayout);
else
System.out.println(“布局方式输入错误!”);
getContentPane().add(mainPan);//创建按钮类的对象
btn1=new JButton(“按钮1”);
btn2=new JButton(“按钮2”);
btn3=new JButton(“按钮3”);
btn4=new JButton(“按钮4”);
btn5=new JButton(“按钮5”);
if(layoutstyle==”fLayout”||layoutstyle==”gLayout”){//定义流式布局或网格布局的布局方式
mainPan.add(btn1);
mainPan.add(btn2);
mainPan.add(btn3);
mainPan.add(btn4);
mainPan.add(btn5);
}
if(layoutstyle==”bLayout”||layoutstyle==”cLayout”){//定义边界布局或卡片布局的布局方式
mainPan.add(btn1,”East”);
mainPan.add(btn2,”South”);
mainPan.add(btn3,”West”);
mainPan.add(btn4,”North”);
mainPan.add(BorderLayout.CENTER,btn5);
}
setSize(250,150);//设置界面的跨度和高度
setVisible(true);//设置界面的可见性
setDefaultCloseOperation(EXIT_ON_CLOSE);//设置窗口关闭时默认操作

}

public static void main(String[] args) {
    // TODO 自动生成的方法存根
      new LayoutTest("fLayout");//实例化
      new LayoutTest("gLayout");
      new LayoutTest("bLayout");
      new LayoutTest("cLayout");
}

}
按钮布局演示的运行结果如下所示

这里写图片描述

  • 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