首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    如何在项目中优化的展示对话框?

    对话框作为一个独立的窗口,常常被用于信息的展示,输入信息,亦或者更多其他功能。但是项目的使用过程中,在某些场景下对话框用起来会有一些麻烦。...例如: 场景一 如果想要在多个子组件(A、B)中控制一个对话框(C)的显示影藏,这个对话框必须在共有的父组件(MySalesOrders)中进行声明。...例如系统中常用的提示成功、提示失败的对话框。...问题一:难以扩展 如果和 MySalesOrders 同级的组件也要访问这个对话框(C)?又或者, MySalesOrders 下面的某个深层级的孙子组件也要能对话框(C)?...问题的本质 对上诉问题来说,本质在于:在我们日常的项目中应该哪里定义去对话框?又该如何和对话框进行数据交互?

    33120

    Android项目实战(三十二):圆角对话框Dialog

    前言:   项目中多处用到对话框,用系统对话框太难看,就自己写一个自定义对话框。   ...对话框包括:1、圆角         2、app图标 , 提示文本,关闭对话框的"确定"按钮   难点:1、对话框边框圆角显示      2、考虑到提示文本字数不确定,在不影响美观的情况下,需要在一行内显示提示的文字信息...2、Android项目实战(五):TextView自适应大小   一行内显示文本信息,当文本字数少的时候 ,文字大小大,当文本字数多的时候,文字大小小。   ...也许大家从别的文章发现, 有的人用圆角背景图片来实现对话框圆角,有的人用style来实现对话框圆角。  ...因为项目中必定多出用到对话框,所以我写一个静态方法,传上下文参数 和 提示文本的内容即可 : public static void showEditDialog(Context context , String

    2.4K70

    一文打尽目标检测NMS | 精度提升篇

    阈值是经验选取的。 评判标准是IoU,即只考虑两个框的重叠面积,这对描述box重叠关系或许不够全面。...如果存在定位与得分不一致的情况,则可能导致定位好而得分低的框比定位差得分高的框惩罚更多(遮挡情况下)。 评判标准是IoU,即只考虑两个框的重叠面积,这对描述box重叠关系或许不够全面。...评判标准是IoU,即只考虑两个框的重叠面积,这对描述box重叠关系或许不够全面。 加权平均 ?...多框共同决定一框 image.png 方差加权平均 image.png 自适应阈值 以上这些NMS都基于这样的假设:与当前最高得分框重叠越大,越有可能是冗余框。...研究者进一步比较了Traditional NMS和DIoU-NMS的性能,在YOLOv3和SSD上,选取NMS阈值为[0.43,0.48]。

    2.5K30

    问与答80: 如何创建柱形图与堆积柱形图的组合图表?

    图4 在“更改图表类型”对话框中,将“成本”和“利润”系列的图表类型更改为“堆积柱形图”并选取后面“次坐标轴”的复选框,如下图5所示。 ? 图5 得到的图表如下图6所示。 ?...图6 步骤3:选取图表,单击功能区“图表工具”的“设计”选项卡中的“选择数据”。在“选择数据源”对话框中单击“添加”按钮,如下图7所示。 ?...图7 在弹出的”编辑数据系列“对话框中,选择系列值为单元格区域F2:F4,如下图8所示。 ? 图8 单击“确定”关闭对话框。...图12 步骤2:选择数据区域A1:E12,选取功能区“插入——簇状柱形图”命令,绘制柱形图,并如下图13所示更改成本和利润系列的图表类型,选取”次坐标轴“复选框。 ?...图14 步骤3:依次选择图表中的数据系列,在“设置数据系列格式”中调整系列重叠和分类间距值,如下图15所示。 ? 图15 经过合理调整和格式设置后的图表如下图16所示。 ? 图16

    12.2K10

    区域候选网络RPN

    得到用来预测的feature map 图片在输入网络后,依次经过一系列卷积+ReLU得到的51×39×256维feature map,准备后续用来选取proposal。...具体做法是:把feature map每个点映射回原图的感受野的中心点当成一个基准点,然后围绕这个基准点选取k个不同的尺寸和比例的anchor。...如果候选框是目标区域,就去判断该目标区域的候选框位置在哪,这个时候另一条分支就过1×1×256×36的卷积核得到4k个坐标,每个框包含4个坐标(x,y,w,h),就是9个候选区域对应的框应该偏移的具体位置...An就是anchor的框,pro就是最终得出回归后的边界框,到这里我们的proposals就选好了: 非极大值抑制(Non-maximum suppression) 由于anchor一般是有重叠的overlap...,因此,相同object的proposals也存在重叠。

    85742

    目标检测 - 非极大值抑制(Non Maximum Suppression)

    过程: 去除冗余的重叠 Boxes,对全部的 Boxes 进行迭代-遍历-消除. 1.将所有框的得分排序,选中最高分及其对应的框; 2....遍历其余的框,如果和当前最高分框的重叠面积(IOU)大于一定阈值,则将框删除; 3. 从未处理的框中继续选一个得分最高的,重复上述过程. ​...根据Score 大小,从 Box B4 框开始; Step 2....分别计算 B1, B2, B3 与 B4 的重叠程度 IoU,判断是否大于预设定的阈值;如果大于设定阈值,则舍弃该 Box;同时标记保留的 Box....从剩余的 Boxes 中 B1, B2 中选取 Score 最大的 B2, 然后计算 B2 与 剩余的 B1 的重叠程度 IoU;如果大于设定阈值,同样丢弃该 Box;同时标记保留的 Box.

    63330

    目标检测算法之NMS后处理相关

    这个时候就需要用到NMS来选取那些邻域里分数最高,同时抑制那些分数低的窗口。...在这里插入图片描述 Soft-NMS 上面说的NMS算法有一个缺点就是当两个候选框的重叠度很高时,NMS会将具有较低置信度的框去掉,也就是将其置信度变成0,如下图所示,红色框和绿色框是当前的检测结果,二者的得分分别是...如果按照传统的NMS进行处理,首先选中得分最高的红色框,然后绿色框就会因为与之重叠面积过大而被删掉。 ?...可以看到在MS-COCO数据集上map$[0.5:0.95]可以获得大约1%的提升,如果应用到训练阶段的proposal选取过程理论上也能获得提升。...这里猜测原因可能是因为YOLO和SSD产生的框重叠率较低引起的。

    1.3K30

    EAST算法超详细源码解析:数据预处理与标签生成

    目前也有在一些自媒体平台上参与外包项目的研发工作,项目专注于CV领域(传统图像处理与深度学习方向均有)。...02 is_cross_text:判断裁剪有无“割裂”图像中的任意文本框 is_cross_text(i) 生成裁剪后图像的多边形区域以及文本框的多边形区域,计算两者的重叠区域面积。...is_cross_text(ii) 计算重叠区域面积占文本框面积的比例,理想情况下是1,因为我们要求文本框完全处于裁剪后图像的内部。...此处是通过枚举的方式,对于在 [ ] 范围内的每个角度,都将文本框进行对应的旋转,旋转后记录对应的外接矩形面积,文本框和前10个面积最小的外接矩形的拟合误差,最终选取误差最小的那个方案对应的旋转角。...我们可以认为,这个面积越小则外接矩形与文本框越相近,误差也越小,因此我们选取面积最小的前10个外接矩形道理就在于此。

    2K30

    卷积神经网络-目标检测

    我们以2为大小的步幅滑动窗口,分别与卷积核进行卷积运算,最后得到4幅10×10×16大小的特征图,然而因为在滑动窗口的操作时,输入部分有大量的重叠,也就是有很多重复的运算,导致在下一层中的特征图值也存在大量的重叠...其中会有多个网格内存在高概率; 得到对同一个对象的多次检测,也就是在一个对象上有多个具有重叠的不同的边界框; 非最大值抑制对多种检测结果进行清理:选取最大Pc的边界框,对所有其他与该边界框具有高交并比或高重叠的边界框进行抑制...以单个对象检测为例: 对于图片每个网格预测输出矩阵:yi=[Pc bx by bh bw],其中Pc表示有对象的概率; 抛弃Pc⩽0.6 的边界框; 对剩余的边界框(while): 选取最大Pc值的边界框...,作为预测输出边界框; 抛弃和选取的边界框 IoU⩾0.5的剩余的边界框。...重叠目标: ? 对于重叠的目标,这些目标的中点有可能会落在同一个网格中,对于我们之前定义的输出:yi=[Pc bx by bh bw c1 c2 c3],只能得到一个目标的输出。

    99610

    object detection中的非极大值抑制(NMS)算法

    这时就需要用到NMS来选取那些邻域里分数最高(是行人的概率最大),并且抑制那些分数低的窗口。...二、NMS 在目标检测中的应用 人脸检测框重叠例子 ? 面对上图中左侧图片中这么多的被选矿,我们的目的就是要去除冗余的检测框,保留最好的一个....重叠率(重叠区域面积比例IOU)阈值 常用的阈值是 0.3 ~ 0.5....(1)从最大概率矩形框F开始,分别判断A~E与F的重叠度IOU是否大于某个设定的阈值; (2)假设B、D与F的重叠度超过阈值,那么就扔掉B、D;并标记第一个矩形框F,是我们保留下来的。...(3)从剩下的矩形框A、C、E中,选择概率最大的E,然后判断E与A、C的重叠度,重叠度大于一定的阈值,那么就扔掉;并标记E是我们保留下来的第二个矩形框。 就这样一直重复,找到所有被保留下来的矩形框。

    5.6K50

    非极大值抑制(Non-Maximum-Suppression)

    实际看到的情形就是好多区域的交叉重叠,难以满足实际的应用。如下图所示。 针对该问题有3种传统的解决思路。         ...第一种,选取好多矩形框的交集,即公共区域作为最后的目标区域。          第二种,选取好多矩形框的并集,即所有矩形框的最小外截矩作为目标区域。...当然这里也不是只要相交就直接取并集,需要相交的框满足交集占最小框的面积达到一定比例(也就是阈值)才合并。         ...第三种,也就是本文的NMS,简单的说,对于有相交的就选取其中置信度最高的一个作为最后结果,对于没相交的就直接保留下来,作为最后结果。         ...if (overlapPart > overlapThreshold) // 判断重叠比率是否超过重叠阈值

    51320
    领券