JQ学习之路(二)---------- JQuery选择器和过滤

一。简介

JQuery选择器完全继承了CSS和path语言的风格,可以通过标签名、属性名等方式来定位到页面DOM节点。

CSS选择器用来为元素节点添加层叠样式, JQ选择器用来为元素节点添加行为事件。

JQ支持所有CSS选择器(从1到3)。

二。基本选择器:

$("#id")   $(".class")    $("element")     $("*")     $("selector1,selector2,,,,,selectorN")

三。层次选择器(最重要最常用)

层次选择器通过页面DOM节点中的层级关系来定位到特定的DOM节点。

层级选择器                         功能                                                                                                                返回值

$("ancestor descendant") 根据祖先元素sncestor 匹配所有的后代descendant元素                                 元素集合

$("parent > child")           选取parent元素下所有的child元素。注意:孙子及孙子下的                            元素集合

                                          所有元素都不会命中

$("prev + next")             选择prev元素后面紧跟的next兄弟元素                                                                元素集合

$("prev ~ siblings")       匹配prev元素后面所有的siblings兄弟元素                                                           元素集合

三。过滤选择器

this,表示当前的上下文对象是一个html对象,可以调用html对象所拥有的属性和方法。
$(this),代表的上下文对象是一个jquery的上下文对象,可以调用jQuery的方法和属性值。

四。表单选择器

 

在当今计算机视觉领域,深度学习模型在图像分割任务中发挥着关键作用,其中 UNet 是一种在医学影像分析、遥感图像处理等领域广泛应用的经典架构。然而,面对复杂结构多尺度特征的图像,UNet 的性能存在局限性。因此,Nested UNet(也称 UNet++)应运而生,它通过改进 UNet 的结构,增强了特征融合能力,提升了复杂图像的分割效果。 UNet 是 Ronneberger 等人在 2015 年提出的一种卷积神经网络,主要用于生物医学图像分割。它采用对称的编码器 - 解码器结构,编码器负责提取图像特征,解码器则将特征映射回原始空间,生成像素级预测结果。其跳跃连接设计能够有效传递低层次的细节信息,从而提高分割精度。 尽管 UNet 在许多场景中表现出色,但在处理复杂结构多尺度特征的图像时,性能会有所下降。Nested UNet 通过引入更深层次的特征融合来解决这一问题。它在不同尺度上建立了密集的连接路径,增强了特征的传递与融合。这种“嵌套”结构不仅保持了较高分辨率,还增加了特征学习的深度,使模型能够更好地捕获不同层次的特征,从而显著提升了复杂结构的分割效果。 模型结构:在 PyTorch 中,可以使用 nn.Module 构建 Nested UNet 的网络结构。编码器部分包含多个卷积层池化层,并通过跳跃连接传递信息;解码器部分则包含上采样层卷积层,并与编码器的跳跃连接融合。每个阶段的连接路径需要精心设计,以确保不同尺度信息的有效融合。 编码器 - 解码器连接:Nested UNet 的核心在于多层次的连接。通过在解码器中引入“skip connection blocks”,将编码器的输出与解码器的输入相结合,形成一个密集的连接网络,从而实现特征的深度融合。 训练与优化:训练 Nested UNet 时,需要选择合适的损失函数优化器。对于图像分割任务,常用的损失
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