邊框背景的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

CSS權威指南（第4版）（上下冊）

為了解決邊框背景的問題，作者ERIC A.MEYER等 這樣論述：

如果你是一名網頁設計師或者應用開發者，對複 雜的頁面樣式、改進可訪問性以及節省時間和精力感 興趣，絕對不能錯過這本書。   本書全面闡述了CSS的實 現方式，還深入分析了最新的CSS規範。 CSS是一門不斷發展的語言，用於描述Web內容在 螢幕、印表機、語音合成器、螢幕閱讀器和聊天視窗 上的表現。各種物聯網設備，不論螢幕尺寸大小，只 要有流覽器就要用到CSS，包括手機、電腦、視頻遊 戲、電視、手錶、自助服務終端和汽車控制台。   本書 兩位作者展示了如何通過佈局、過渡和動畫、邊框、 背景、文字屬性，以及許多其他工具和技術來改善用 戶體驗、加快開發速度、避免潛在的錯誤，並為你的 應用程式增光添色

。 Eric A.Meyer是國際公認的 HTML、CSS和Web標準領域的專家，是ComplexSpiral Consulting公司的創始人，還是微格式運動的發起人之一，以及設計領域系列會議An Event Apart的創始人之一。他是本書前一版和其他多本關於CSS和設計的圖書的作者。他的個人網站為meyerweb.com。 EstelleWeyl是開放Web佈道師和社區工程師，從1999年起就開始開發符合標準且具有可訪問性的網站。她的博客地址是standardista.com，那裡的文章討論一切與前端有關的話題，包括CSS3、HTML5、JavaScript性能、可

訪問性和移動Web開發。她喜歡躺在家中的沙發上程式設計，也經常遊歷世界，並在各種會議上演講。 前言 第1章 CSS和文檔 第2章 選擇符 第3章 特指度和層疊 第4章 值和單位 第5章 字體 第6章 文字屬性 第7章 視覺格式化基礎 第8章 內邊距、邊框、輪廓和外邊距 第9章 顏色、背景和漸變 下冊 第10章 浮動及其形狀 第11章 定位 第12章 彈性盒佈局 第13章 柵格佈局 第14章 CSS中的表格佈局 第15章 清單和生成的內容 第16章 變形 第17章 過渡 第18章 動畫 第19章 濾鏡、混合、裁剪和遮罩 第20章 針對特定媒體的樣式 附錄A 支援動畫的屬性

附錄B 基本屬性參考 附錄C 顏色對照表

邊框背景進入發燒排行的影片

圖書索書號偵測與辨識 — 以北市圖為例

為了解決邊框背景的問題，作者張木財 這樣論述：

多數圖書館都使用書脊上書標內的索書號來管理書籍。但也因索書號很小，視力不好的人常常看不清楚，特別是老年人。這讓老年人很難找到他們想要的書。此外，在圖書館當志工的退休老年人經常需協助將書籍歸回書架上。然而，老年人視力下降意味著志工需更費力才能看清楚索書號找到他們想要的書。為了幫助上了年紀的讀者和退休的志工，本研究運用深度學習SSD來偵測與定位書標位置，並進行索書號辨識。為了提升辨識率，使用資料擴增與對特殊背景的樣本來訓練SSD偵測器。所提出之系統架構包含利用深度學習SSD（Single Shot MultiBox Detector）來訓練和偵測書標，再利用二值化方法將書標中的索書號二值化出來，

再進行辨識。另外，也直接訓練辨識索書號文字的SSD辨識器。從實驗結果證明，所提出的SSD書標偵測模型可以比原始預先訓練SSD模型，偵測更多和更正確的書標。在辨識方面，利用二值化的方法，可以在不同背景的書標中，辨識出索書號。而在所訓練的SSD索書號文字辨識中，也有不錯的辨識結果。

CSS 大全(第四版)

為了解決邊框背景的問題，作者EricA.Meyer,EstelleWeyl 這樣論述：

　　WEB的視覺呈現 　　本書可協助網頁設計師與app開發人員，展現成熟的頁面設計、改善可存取性並節省時間與精力。新修訂版為CSS實作提供完整的指引，以及最新CSS標準規範的完整介紹。 　　CSS是個持續改變的語言，用來描述網頁內容於螢幕、印表機、語音合成器、螢幕報讀軟體及對話視窗上的呈現方式。在所有網頁瀏覽器、各種螢幕尺寸以及各式各樣的IoT設備上都看得到CSS的身影，包含手機、電腦、電腦遊戲、電視、手表、互動式多媒體機台、kiosks與自動櫃員機。作者Eric Meyer與Estelle Weyl藉由本書介紹如何改善使用者體驗、提高開發速度、避免潛在問題及透過佈局(

layout)增加應用程式的生命與深度，以及動畫效果、邊框、背景、文字屬性與其他工具和技巧。 　　內容涵蓋： 　　‧選擇器、權重與階層 　　‧數值、單位、字型與文字屬性 　　‧內距、邊框、外框與邊界範圍 　　‧顏色、背景與漸層 　　‧浮動與定位 　　‧flexible box佈局 　　‧新的格線布局系統 　　‧2D與3D轉換、轉場與動畫效果 　　‧過濾器、混合、裁切與遮罩 　　‧媒體與特性查詢

基於強健 GrabCut 與醒目區域偵測的自動化前景選取

為了解決邊框背景的問題，作者李坤哲 這樣論述：

在基於內容的圖像檢索中,影像切割是十分重要的前處理步驟。針對基於內容的圖像檢索應用, GrabCut 具有良好的切割成效,它是基於能量函數的切割方法,先以像素點間以及像素點與模型間的色彩相似程度定義能量函數,再結合圖論演算法進行切割的方法。然而, GrabCut 屬於半自動切割法,使用者必須標記初始背景像素點,並且不容許標記錯誤。為了達到自動化切割,本研究藉由偵測圖片中的醒目區域取代使用者標記,並提出強健 GrabCut 切割法,使容許部分錯誤標記,此自動切割方法稱為醒目區域標記法。為了降低醒目區域標記法的棄真和取偽錯誤,我們提出邊框背景標記法和二階段簡化背景標記法。本論文使用微軟英國

劍橋研究院所提供的圖片庫以及柏克萊切割數據集的圖片進行實驗,並利用 F 度量評估切割成效。實驗結果顯示藉由邊框背景標記法以及二階段簡化背景標記法確實能夠提升自動切割的準確性。