「项目NVA」 小生意项目谁有？有的帮推荐下。

项目NVA： 小生意项目谁有？有的帮推荐下。

上面说的凯美霖滤光屏现在信誉确实不错！！挺好的，是个一个不错的加盟项目哦。值得考虑下！！

其他答案:小生意也是可以赚大钱的哦。呵呵，我加盟了汽车用品凯美霖汽车液晶滤光屏，我还算满意我现在的成就呢，呵呵，我可不是吹呀，我一年就把我的行业了解的差不多了。 XSE。 。Nva 凯美霖汽车液晶滤光屏

其他答案:想做个小生意呀。 小本生意的话可以考虑一下diy店 现在开店的关键就是特色和新奇啦 选择项目的话一定要有自己的特色 自己动手做作品的小店 是现下比较流行的方式做的 况且蜡烛可以做成很多的子，有动漫造型的蜡笔小新、火影忍者、Kitty猫咪等等；也有动物造型的招财猫、旺旺狗、流氓兔等；还有大头相贴框、首饰盒、手机挂，无论哪种造型，都惟妙惟肖，栩栩如生。 去搜“手工蜡烛店”看看吧

项目NVA： 精益生产中nva什么意思

精益生产方式即“丰田生产方式”。整理（Seiri）、整顿（Seiton）、清扫（Seiso）、清洁（Seiketsu）、素养（Shitsuke）五个项目的合称。起源于日本，通过实施整理、整顿、清扫、清洁、素养五个项目，规范现场管理，营造良好的工作环境，培养员工良...

其他答案:你好！ 非增值行为 仅代表个人观点，不喜勿喷，谢谢。

项目NVA： 精益生产中nva什么意思-百度知道

精益生产方式即“丰田生产方式”。整理（Seiri）、整顿（Seiton）、清扫（Seiso）、清洁（Seiketsu）、素养（Shitsuke）五个项目的合称。起源于日本，通过实施整理、整顿、清扫、清洁、素养五个项目，规范现场管理，营造良好的工作环境，培养员工良...

其他答案:非增值行为

项目NVA： NBA是什么项目？

篮球 ，就是篮球

其他答案:BASKETBALL

其他答案:篮球项目

其他答案:篮球运动项.`

其他答案:NBA是National Basketball Association的缩写（全国篮球协会）。

其他答案:美国篮球职业联赛

其他答案:是篮球项目

项目NVA：Ant Design 进行时！

引言

Ant Design 于 17 年 12 月发布 以来，已经经历了 16 个月的时间。在此期间，我们修复了海量 Bug、以及增加大量新功能（更新日志）。提交了 4289 个 commits，发布了 138 个版本，关闭了 7675 个 issues 和 PRs，新增了 25375 个 stars。我们也发布了 Ant Design Pro 。支持了 TypeScript、区块以及对布局进行抽象。我们想感谢各位社区志愿者，是你们的奉献使 Ant Design 变得更加好用。

与此同时，我们也在思考下一步是什么，如何才能使 Ant Design 走的更远，我们预计在今年 Q4 发布 Ant Design 版本。

以下是关于 的详细计划，当然这仍在计划中。正式发布时可能会有调整。

兼容性调整

我们将在 中，对标记为 Deprecated 的属性进行移除。届时你将不能再使用废弃的方法。如果你将你的项目升级到最新的 于控制台中没有看到来自 antd 的 warning 信息，那么你升级 也将是无缝的。对于 版本，我们仍将在 发布后额外进行半年的维护工作。

我们知道升级版本舍弃废弃 API 的精力非常大，我们计划在发布 的同时也提供兼容包以协助项目过渡（相关 API 仍在设计中，正式发布时可能会有所不同）：

import Compatible from '@ant-design/compatible';nn// It works, but will warning in consolenconst Demo = () => (n n n n);n

该兼容包同样会维持更新直到 维护工作停止为止。

使用最新版本 React API

我们相当长一段时间内都在支持 React 15 版本，但是从社区反馈上看，这其实并不重要（React 15 的 issue 数趋近于 0%）。因为 React 本身就具备非常健壮的兼容性。而为了支持 React 15，我们在开发过程中对于新的 API 使用非常慎重。在 版本后，我们会以最新 React 版本作为基准进行开发：

• 提供相关组件的 Hooks 版本
• 支持 Concurrent 模式（当然，需要准备的事情比较多，会在 发布中持续调整。）
• 拥抱 React 17 （wow！~）

停止 IE9/10 支持

Ant Design 为了兼容旧版 IE 做出了非常多的努力。然而根据业界统计，IE9/10 浏览器无论是在全球还是在国内份额都在随着 Windows 系统更新而在不断缩减。我们在 版本，会停止对 IE 9/10 的支持工作（但仍然会支持 IE 11）。这也意味着，支持新的浏览器特性成为可能。

其他兼容性调整

• Less 升级为 Less
• Icon 使用变更
• Mention 废弃

减小体积

优化图标尺寸

在 antd@ 中，我们引入了 svg 图标（为何使用 svg 图标？）。使用了字符串命名设置图标的 API，在这种设计下我们无法做到按需加载，因而我们全量引入了 svg 图标文件，这大大增加了打包产物的尺寸。在 中，我们将会对此进行调整以优化体积。

旧版 Icon 使用方式将被废弃：

import { Icon, Button } from 'antd';nnconst Demo = () => (n 
n n n 
n);n

中会采用按需引入的方式：

// Directly importnimport SmileOutline from 'antd/icons/SmileOutline';nn// If tree-shaking supportednimport { SmileOutline } from 'antd/icons';nnconst Demo = () => (n 
n n } />n 
n);n

你将仍然可以通过上文兼容方法继续使用。

移除

我们在 Mention 组件中引入了 以实现下拉提示定位功能，然而我们只使用了它很小一部分的功能。从性价比上考虑，显得有些浪费。我们计划在 中移除对其的依赖，转而使用更轻量级的解决方案。同时，为了区分 中的 Mention 组件，我们会提供一个新的组件 Mentions 以防止 API 冲突。同样的，它也支持通过上文兼容方法来继续使用：

// Follow Code will not worknimport { Mention } from 'antd';nnconst Demo = () => (n n);n

// Added `Mentions` in { Mentions } from 'antd';nnconst Demo = () => (n n);n

性能优化

在维护过程中，我们收到不少关于大数据的下的性能讨论。为此，我们也计划对性能进行优化。

虚拟滚动

虚拟滚动是一个常见的优化手段，但是在 Ant Design 中由于存在动画效果，使得自定义虚拟滚动并不那么容易。现在，我们计划带滚动的组件中原生支持虚拟滚动。当然，我们并不会保证在 发布时所有组件已经更新完成，会持续更新。

动画改进

过去，我们使用了一些 hack 的方式来对动画进行处理。大部分场景下，都工作的相当好。在 中，我们计划对此进行调整，摒弃 hack 的方式转向更加 React 的道路。该调整将会静默更新，你不需要对此做任何更改。

? 关于组件

在 中，我们已经持续添加了不少组件。在 中，我们仍将进行下去。这些组件将从我们的业务场景、Ant Design Pro 以及社区需求中进行提炼，这是一个持续的过程。新增组件的流程与 Ant Design 相同，我们会沉淀相关组件的设计稿在 PR 中展示并与官网进行更新，开发完成后会在每个月的 minor 版本中发布。

此外，我们还准备重构一些关键组件，以提高其开发与交互上的易用性。其中包含但不限于：

Form 组件

表单组件的受众群体十分庞大，我们也注意到社区对繁琐的表单 API 的抱怨，在 里我们希望探索更好的 API 形式以简化开发成本：

• Form 将默认聚合表单数据域，你不再需要通过 () 创建上下文。
• 将默认聚合表单字段，你不需要通过 getFieldDecorator 绑定 Field。
• 的值将总会保留，但是其验证功能只有表单项可见时才会生效。

const Demo = () => {n const [form] = ();n n const onFinish = () => {n // Do something...n };n n useEffect(() => {n // Something like ajax calln ({n username: 'light',n });n }, []);nn return (n 
n 
n n n n );n}n

在现实场景中，我们遇到了多表单联动的场景（常见于详细化配置）。我们知道这使用起来并不方便，因而也将提供表单间联动的功能：

const { useForm, createContext } = Form;nconst FormContext = createContext();nnconst Demo = () => {n return (n n n n n );n};n

Table 组件

在过去的版本中，我们接到了关于 Table 组件非常多的反馈。我们知道过去 Table 的 expand 和 scroll 属性一直不能很好的工作。这一次，我们会着力解决这方面的冲突问题。此外，我们还会进一步对 Table 组件进行性能调优。以及探索一些更加简易的表格布局方式：

const Demo = () => {n return (n n );n};n

此外，我们还计划添加 Summary Footer，以支持汇总需求。

DatePicker 重做

现有的 DatePicker 已经满足了大部分需求，但是从社区讨论来看。我们还有更加深入挖掘的机会，我们将补全剩余的年选择器以及对应的范围选择器（讨论）。此外，我们会调整相关日期时间选择器样式，进一步降低用户的认知成本。

持续更新

除了以上内容外，我们也计划一部分持续更新的内容。这会在 中保持跟进，以更好的提升用户开发与使用体验。

改进无障碍体验

Ant Design 中对于无障碍体验支持度稍显欠缺，为此我们计划调整组件结构并添加更多的 aria 标记以改进读屏体验。此外，我们还准备优化现有的组件键盘交互方式，以确保可以有更好的全键盘交互体验。

开发者 API 规范

在演进过程中，我们发现少量 API 风格会与其他组件显得格格不入。对于 TypeScript 用户而言这不是什么问题，但是对于其他用户而言，这会造成记忆困扰。

因此我们会整理出一份标准命名文档。该文档会包含现有的 API 列表以及恰当的命名规范。在新增功能时，也会依据该规范进行命名。以避免未来可能产生的 API 分歧。当然，我们也欢迎社区同学在 PR 中进行反馈。

React 严格模式

如果你尝试在 antd 组件外包裹 你会得到不少来自 antd 组件的警告信息。我们在 时已经更新了一部分组件的生命周期方法。在 中，我们仍将继续。

改进开发者体验

在过去的维护过程中，我们发现某些 issue 会往复的出现。这些 issue 常见于一些使用规范或者应用场景的问题。为此，我们决定在这边做出改进（其实从 开始，我们已经在改进了）。在开发环境中，我们对于一些意外情况（例如无效的 Moment 对象、Input 的 preffix/affix 动态调整导致的 Dom 结构变化等等）会在控制台进行提示。我们确信，控制台是开发者在遇到问题时首先会关注的地方，在此提供适当的提示可以帮助快速定位问题。同时，对于一些特殊的使用方式或者场景。我们会在相应的组件文档中提供 FAQ。从项目维护角度看，我们的精力无法针对使用方式的 issue 做详细的解答。但是这些疑问是现实存在的，尤其对于新人开发者而言，一个 FAQ 可以帮助节省大量搜索时间。如果你有兴趣，也欢迎社区志愿者帮助一起完善开发者体验。

设计资产管理

Ant Design 不仅仅是一套组件库，背后有着强大的设计体系作为支撑。我们在 会同步更新最新的设计相关资产（Sketch 组件包、Kitchen 工具集、Design Token 等等），以方便设计师以及对设计感兴趣的同学作为参考。也会对现有的组件设计样式进行微调，以提升视觉效果以及用户体验。

时间计划

以下是我们的时间安排，其中部分组件更新是持续进行的。我们会在 github 上建立相关 issue，也欢迎社区志愿者一同参与：

Q2

• 将需要废弃 API 标记为 Deprecated 状态，并于文档中清除。
• 底层组件进行预热。

Q3

• 建立 antd 分支，并进行文档更新。
• 底层组件开发。

Q4

• 发布 版本。

欢迎参与

在 开发过程中，上述内容可能会有所调整。欢迎社区同学提供宝贵的想法和建议，让我们把 Ant Design 一起做的更方便好用！点击此处查看 github issue。

我们在 1月 4 日的 SEE Conf 上也会分享 Ant Design 的幕后故事，欢迎围观直播，还可以参与知乎问题互动抢下届门票喔！~

项目NVA：如何看待 React 核心成员 Dan Abramov 自曝年薪 13W 美金？

1. Dan Abramov是在Facebook的伦敦office。事实上不是Facebook在伦敦的包裹少，而是所有公司在英国的office工资都很少，Dan的级别的base拿到10万镑（不算股票），在伦敦已经很高了；
2. 请熟读《资本论》，工人阶级的工资，不取决于这个资本家能赚多少钱，而在于这个资本家在当地人才市场上能最低给多少钱。简单来说，Dan如果愿意到湾区，包裹翻倍分分钟，然而如果不愿意的话，在伦敦确实没有哪家公司能以他的水平给更大的包裹；
3. 稍微了解世界各地顶级程序员的薪资水平，那么你一定会知道这些常识：
1. 全球范围内，硅谷最高，西雅图纽约波士顿LA再次，北卡德州温哥华多伦多再次；
2. 整个欧洲的工资水平跟美国相比差一大截：苏黎世和湾区齐平，伦敦慕尼黑北欧荷兰低一截，其他地区再低一截，东欧最低。要知道Amazon在苏格兰爱丁堡的工资年薪只有5万镑；
3. 加拿大和澳大利亚比美国的硅谷纽约波士顿西雅图这一档低一截，但是比欧洲整体平均水平高一大截；
4. 整个亚洲各国一线大厂里面，香港新加坡最高，北京上海深圳东京首尔其次——北京深圳一些程序员的工资，在全球范围内都是第一梯队的，齐平新加坡香港，距离硅谷和西雅图就差一步之遥；
5. 经济最落后的地区，人才成本溢价能力最弱，因此俄罗斯、波兰、拉美、印度、天津、济南这些地方的程序员薪资在全球最底端。
4. 一个人知名开源项目的社区地位高，在公司内部等级不一定高，因为你的manager可能会认为你没有更高等级的impact，因此你无法升级从而拿到更高的职位和包裹。而那些只在公司内部维护项目的A，很有可能在内部impact远远高于开源项目的社区领导人B，等级和薪水也高于B——然而B在社区和行业知名度高于A，自然大家无法理解“为什么B的工资这么少”——因为你可能永远不知道A的工作有多重要。
5. 工作文化、work life balance、福利等也很重要，很多人就是宁可在西雅图打酱油划水，也不愿意在湾区梗着脖子挣首付，这都是职业规划和个人选择，总而言之，do not judge。

结论就是，用勃勃（ @勃呆萌 ）的话说，美国就是地球一本，湾区就是美国一本，FLAG就是湾区一本——这就是普通青年奋斗的工资最高的终极目标，一个普通青年靠自己的头脑和双手给人打工，FLAG就是地球上可以给你收入最多的机会（没有之一），是一个平凡人的人生全局最优解。

因为收入再高的那些机会，真的要看运气了。

项目NVA：Anchor-Based-番外01 旋转框检测方法综述-FasterRCNN的问题

今天说说旋转框检测，因为是个综述，所以总的来说会把一系列的文章串起来介绍。试图说清楚旋转框检测方法的发展脉络、以及在新的研究中，仍旧悬而未解的难点。

因为我不是这些文章的作者，所以我也不能很精确的知道作者是如何拍脑袋想到这些创新点的，因此，这篇文章更多的是我自己的归纳总结，试图搞清楚从最开始的FasterRCNN，到近期这许多的旋转框检测论文，大家是怎么一步一步的进行探索，以至于能够不断地推陈出新，提出更加优秀的方法的。

这部分番外将会涉及到：

• AnchorBased方法的缺陷
• 常见的旋转框检测方法：
• 一、暴力破解派
• RRPN : 更多的框
• R3Det : 暴力破解基础下的速度优化
• ROITransfomer：三阶段算法的精度提升
• 二、探索框的全新表示方法
• R2CNN ：探索旋转框的全新表示方法
• Gliding-vertex: 再次探索旋转框的表示方法
• 三、探索更优质的Anchor生成方法
• TextBoxes++ : 探索更优化的Anchor 生成方式
• 四、分割和框检测的结合
• PMTD： 玩出花样的MaskRcnn
• Pixel-Anchor ：识别不够，分割来凑
• SCRDet ： 特征图注意力机制的应用
• 五、AnchorFree 方法的兴起：
• EAST: 优雅的尝试
• BoxAsPoint： 密度估计和框检测的优雅结合
• 旋转框检测过程中的调参难点：
• quad2rotate： 难以决定的框表达方式
• randomRotate：难以控制的旋转数据增强策略
• AnchorGenerator: 难以覆盖的Anchor生成方式
• Matcher： 难以捉摸的匹配准则
• Sampler：难以抽全的抽样策略
• SmoothL1Loss： 难以平衡的损失函数

写在最前：旋转框检测

所以，旋转框检测是什么？在真实的场景中，许多时候，我们不仅仅需要找一个“方方正正”的框把物体框起来(英文中，这种框称之为Axis-Aligned)，而可能更需要的是能够找一个，“有一些旋转角度的，能够把物体完全的包络起来的框”

原因无须多言，直接见下图：

可以看到，当待检测的物体具有如下特点：

• 1. 长宽比较大
• 2. 物体存在倾斜
• 3. 物体紧密排列

这时候，如果仅仅使用水平的检测框从图中将物体扣出，效果会很差，因为：

1、每个检测框中还会同时包含很多其他物体的“一部分”
2、如图，水平检测框相互之间的IoU 值较高，在NMS过程中很容易被抑制掉

一、FasterRCNN 解决问题的难点：

对应上图的结果，你己经可以看出，FasterRCNN在解决这个问题的时候，保存的结果可能实在不是很理想，不过，虽然如此，直接放弃它似乎不利于我们改进它。因此让我们首先来看看，FasterRCNN 的问题在哪里

事实上，虽然从图中画出来的结果就足够让你不想使用FasterRCNN来完成这个任务了，但是，他就真的这么差么？实际上并不是。很多人只会告诉你，FasterRcnn不适合用于旋转框检测，因为“效果很差”，但是一般来说，效果很差可以分为两种：

没有框住所有的物体 (proposal 分类错误)
框住物体，但是没有框准 (proposal 回归不准)

很多人会直接觉得FasterRCNN在两个问题上的表现都不好，但是FasterRCNN其实有能力精准的将所有的物体框住，只是框的重合度过高，在NMS中会有被过滤的风险。以下图为例子，在NMS之前，FasterRCNN 的检测结果也能够达到左图的效果，能够将所有的物体检测出来，而非很多人想象的会出现右图这种漏框的问题。

那FasterRCNN 的问题在哪里呢？我认为，FasterRcnn 的问题主要有三点：

1、RPN 当中 AnchorGenerator + Matcher 机制难以适应旋转框

具体而言，回想FasterRCNN中RPN 的生成机制，基本分为两个步骤：

step1 通过AnchorGnerator 生成框

emiya：Anchor-Based-01 目标检测算法设计思想一：anchor是什么

step2 通过Matcher 完成生成框和GT 的匹配

emiya：Anchor-Based-02 目标检测算法设计思想二 ：Matcher

但是这样的机制在解决真实问题时出现了这样的困难。如下图，红色框内的部分是一艘待检测的军舰，绿色框是它的包络的矩形。注意到按照FasterRcnn 的策略，如果我们生成了蓝色的Anchor，可以看到蓝色的Anchor 和绿色的框的IoU是很大的，按照FasterRcnn 的策略，我们应该让蓝色框负责预测军舰，从而认为蓝色框是一个正样本，

但是注意到，其实蓝色的框和军舰(红色框)的真实重叠面积其实只有图中蓝色阴影部分，是远远小于和绿框的IoU的，且蓝色框实际也包含了许多非军舰的区域，在RoiPooling 当中就存在着许多误差。注意，这里提到的这种问题来自于FastRCNN的“设计缺陷”，即如果不动框架，是很难解决的。

2、 ROIHeads 当中， Proposal + Matcher 机制难以适应旋转框

如果说，RPN 阶段只需要产生粗糙的Proposal ，所以就算是硬要按照上述的方法来生成Proposal，其实也无伤大雅。但是在ROIHeads 这一步,问题就有些不一样了:

注意到在detectron2 的代码当中，关于ROIHeads 有两个参数：

1. IoU 阈值设置为

n# Overlap threshold for an RoI to be considered background (if < IOU_THRESHOLD)n# Overlap threshold for an RoI to be considered foreground (if >= IOU_THRESHOLD)n___THRESHOLDS = []n___LABELS = [0, 1]

2. ROIHeads 建立 Matcher 时设置allow_low_quality = False

class ROIHeads():n """n ROIHeads perform all per-region computation in an It contains logic of cropping the regions, extract per-region features,n and make per-region It can have many variants, implemented as subclasses of this """nn def __init__(self, cfg, input_shape: Dict[str, ShapeSpec]):n super(ROIHeads, self).__init__()nn ...n _matcher = Matcher(n __THRESHOLDS,n __LABELS,n allow_low_quality_matches=False,n )

在这两种配置下，使用上图所展示的匹配策略的结果是"似乎"是灾难性的(为什么是似乎我后面会介绍)，即对于图中的每个红色框标注的旋转物体，我们会使用和其最小外接矩形(绿色框)IOU只有 的蓝色框负责对其信息进行预测，大概感觉就是下面这个样子:

这能预测出东西就见鬼了(╯‵□′)╯︵┻━┻。

基本来说，这种Matcher 会面临如下两个问题：

1、绿框本身就包含了很多额外的信息
2、蓝框和绿框的IOU不足，则和红框的IoU就更低了，框内包含了更少的军舰的信息

顺便一提：

不能提高ROI阶段的IoU到！

不能提高ROI阶段的IoU到！

不能提高ROI阶段的IoU到！

（这个问题在CacadeRCNN 当中详细的介绍过,在这里不多赘述，感兴趣的可以去看原文）

顺便再一提：

不能简单的在Matcher的时候将pairwise_iou 替换为pairwise_iou_rotated ！

不能简单的在Matcher的时候将pairwise_iou 替换为pairwise_iou_rotated ！

不能简单的在Matcher的时候将pairwise_iou 替换为pairwise_iou_rotated ！

看得懂我在说啥大概都魔改过detectron2，大概意思是不能直接简单的将水平框 IoU 计算方法替换为旋转框IoU 的计算方法，直接计算水平Proposal 和旋转GT （蓝框）的iou，替换掉计算水平Proposal 和GT的最小外接矩形（绿框）的IoU。

原因和上一条差不多，主要原因嘛，根据我自己踩过的坑：

1、IoU 提升后, 对每个GT 能够匹配到的Proposal 数量会迅速下降，对坐标回归相关参数会学习不佳
2、很多长宽比异常的GT无法获得足够数量的Proposal，这一点主要来源于Matcher 设置了allow_low_quality_matches=False，会导致很多GT没有办法获得匹配的Proposal 。对框分类相关参数学习效果不佳

3、 ROIHeads 当中，直接回归旋转框坐标信息困难

在经过了前面两轮的“IoU miss alignment” 洗礼之后，可能你还是不服输，仍然希望不改动FasterRCNN 的框架，尝试将红框简单的用如图的方式表示出来（通过添加一个角度的方式表示红框，这个细节在RRPN部分我们会细说），然后试图用蓝框的信息去预测红框的坐标，这时候，你又会遇到新的问题（信我，这些坑我都踩过）。

注意到ROI 部分的设计机制，在最后的回归过程中，我们会期望使用Proposal (蓝色框) 的

回归GT(绿色框)的 ，注意到在经过RPN之后，蓝色框的高宽和绿色框的高宽应该是“接近的”，所以，回归应该是“相对容易的”

但是如果期望直接使用蓝色的框回归红色的框，就会遇到如下图的问题。肉眼可见的，你会发现，Proposal 框的高度和宽度，和GT红色框的高度和宽度的差距是十分大的，而这就导致了回归是“十分困难”的，顺带一提的是，角度的回归也会是一个很大的问题，这点在下一讲介绍RRPN 的部分会详细的介绍，在这里先按下不表。

小结

因此，总的来说，使用FasterRCNN 框架来预测旋转框是十分困难的。但是，通过上述的分析，你也许会发现，其实如果能够将上述提到的各种问题一一解决，也许就能够继续使用这一套框架来造福大众，毕竟detectron2、mmdetection 都写的太好了，比起自己改各种开源的项目，在这两个基础上改改更加简单。

因此，在接下来的内容当中，我们会详尽的介绍，在各种论文当中，作者是如何通过各种巧妙的方法来解决上述的问题，从而训练出优雅的模型的。所谓八方过海，各显神通，欢迎各位关注我的专栏，听下回分解

人人都能懂的目标检测

项目NVA：参加NBA选秀的球员都有什么项目？

只要有球队对某为球员感兴趣，就可以邀请他来球队训练营试训，和真正NBA球员合练。当然一些新秀也可以一起相邀训练，还有联盟会在选秀前举行很多新秀训练营，到时，球队球探便会来观察球员（其实早在新秀们还在打NCAA时，就备受关注，很多球探那是就开始关注了），联盟也会对每位新秀测试，像打全场，100米，原地摸高，助跑摸高，卧推，全球运球时间，各种基本功……之后到了选秀日，就会根据种种来确定各顺位。

项目NVA：NBA都有哪些项目？

除了美国本土，就是中国市场了，NBA和CCTV签订转播协议，国内Bestv这些网络电视与NBA合作，NBA官方授权的天猫旗舰店，每年季前赛的中国赛，还有一些传奇球星和NBA大篷车来华进行活动等等。

项目NVA：NBA项目指什么？

NBA全明星比赛有名人赛,新秀挑战赛,投篮之星,技巧大赛,三分大赛,扣篮大赛,东西全明星.