控件尺寸跟随窗口尺寸改变

 今天的调整中有需要控件的宽度跟随窗口尺寸自动调整的要求。经调试后可以使用以下语句:

    Private Sub quest_SizeChanged(ByVal sender As Object, ByVal e As System.EventArgs) Handles Me.SizeChanged
        TabControl1.Width = Me.Width * 0.95
    End Sub

 

关键是在 sizechanged 事件中触发语句,然后直接提取窗口的WIDTH属性进行计算,然后赋值给控件的WIDTH属性就可以了。

 

 

----------------------------------------------------------------------------------------------------------------------------------------------------

 

以下是控件随窗口大小变化而改变大小和位置的一段语句:

    Private Sub retu_SizeChanged(ByVal sender As Object, ByVal e As System.EventArgs) Handles Me.SizeChanged
        TabControl3.Width = Me.Width - 10
        DataGrid_retu_sale.Width = TabControl3.Width - 20
        TabControl3.Height = Me.Height - 40
        DataGrid_retu_sale.Height = Me.Height - 220
        DataGrid_retu_sale_detail.Width = Me.Width - 30
        DataGrid_retu_sale_detail.Height = (Me.Height - 50) * 115 / 350 + 70 * (Me.Height / 400 - 1)       '这里是计算控件高度与窗口高度的比例关系,这里的比例是随着窗口变大而有一个线性增加。
        Dim h, w As Integer
        h = DataGrid_retu_sale_detail.Height
        w = DataGrid_retu_sale_detail.Width
        Label3.Top = DataGrid_retu_sale_detail.Location.Y + h + 15     ‘.top 属性是控件到上边缘的距离,可以确定控件的Y坐标。
        Label2.Top = Label3.Top
        DataGrid_retu_quest_retu.Top = Label3.Top + 20
        DataGrid_retu_quest_retu.Height = h
        DataGrid_retu_quest_retu.Width = w


    End Sub

 

 

---------------------------------------------------------------------------------------------------------------------------------------------------

据说用ANCHOR,或 DOCK属性可以完美的实现相同的功能,我研究了一下但暂时还没啥心得,还不会用。就先用编程的方式来实现这个功能吧。以后对ANCHOR 或 DOCK有了新的心得了再补充吧。

YOLOv11人物目标检测数据集 目标类别:['Persona'] 中文类别:['人物'] 训练集:1683 张 验证集:182 张 测试集:0 张 总计:1865 张 该数据集提供了data.yaml文件,内容如下: train: ../train/images val: ../valid/images test: ../test/images nc: 1 names: ['Persona'] YOLOv11城市街头与室内场景人物目标检测数据集 该数据集涵盖了城市街头、商业街区、办公场所及室内生活等多种场景中的人物目标检测,具有广泛的应用价值。通过多样的场景设置和丰富的拍摄角度,能够有效提升模型在复杂环境下的目标识别能力,为智慧城市、安防监控及人机交互等领域提供高质量的训练数据支持。 从数据分布来看,该数据集包含1683张训练集图像、182张验证集图像以及0张测试集图像,整体比例分配合理。训练集与验证集的比例约为9.25:1,能够充分满足模型训练与性能评估的需求,确保模型在不同场景下的泛化能力得到充分验证。 该数据集的标注工作严谨规范,所有图像均经过人工精确标注,每个目标都配有清晰的边界和统一的标签“Persona”。标注过程遵循严格的标准,确保了数据的高质量和一致性,为后续的模型训练和性能优化提供了可靠的基础。 基于其多样化的场景覆盖和高质量的标注数据,该数据集可广泛应用于智慧城市管理、公共场所安防监控、智能零售分析以及家庭安防等多个领域。特别是在需要精准识别复杂环境中人物的目标检测任务中,该数据集能够显著提升模型的准确性和鲁棒性。
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