工厂模式

工厂模式主要分三种:简单工厂模式、工厂方法模式和抽象工厂模式。
1.简单工厂模式:
1.1一个工厂类;
1.2一个抽象产品类,多个具体子类;
1.3在工厂类中添加逻辑判断,根据条件生成不同的产品;
1.4每添加一种产品,就需要在工厂类中添加相应的逻辑判断和生成代码;
#include<iostream>
using namespace std;


class product_interface
{
    public:
          virtual ~product_interface(){}

    public:
           virtual void do_something()=0;
};

class product_a
:product_interface
{
    public:
           ~product_a(){}
  
    public:
          void do_something()
         {
              cout<<"product_a created"<<endl;
         }
};
class product_b
:product_interface
{
  public:
    ~product_b(){}
  public:
     void do_something()
    {
        cout<<"product_b created"<<endl;
    }
};


class factory
{
  public:
    factory(){}
    ~factory(){}
  public:
    product_interface* create_product(string name_)
   {
      if(name_ == "product_a")
         return (new product_a);
      else if(name == "product_b")
         return (new product_b);
      else
         return NULL;
   }
}




工厂方法模式:
1.一个抽象工厂类,多个具体工厂子类;
2.一个抽象的产品类,多个具体产品子类
3.一个具体工厂类生产一个具体的产品,即工厂与产品一一对应;
4.添加一种产品,原来的工厂类不需要做任何修改,但是需要写一个新的工厂类来生成该产品;如果需要生成的产品比较多,需要创建很多工厂类;
class product
{
   public:
       virtual ~product(){}
   public:
       virtual void do_something() = 0;
};
class product_a
:public product
{
   public:
     ~product_a(){}
   public:
      void do_something()
      {
           cout<<"product_a created!"<<endl;
      }
};
class product_b
:public product
{
   public:
     ~product_b(){}
   public:
      void do_something()
      {
           cout<<"product_b created!"<<endl;
      }
};
class factory
{
   public:
       virtual ~factory(){}
   public:
       virtual product* create_product() = 0;
};
class factory_a
:public factory
{
  public:
     ~factory_a(){}
   public:
       product* create_product()
       {
            product_a* a = new product_a();
            return a;
        }
};
class factory_b
:public factory
{
    public:
        ~factory_b(){}

    public:
        product* create_product()
       {
           product_b* b = new product_b();
           return b;
       }
 
};

int main()
{
      factory_a a_factory_;
      product* pro_a = a_factory_.create_product();
      pro_a->do_something();

      factory_b b_factory_;
      product* pro_b  = b_factory_.create_product();
      pro_b->do_something();

      return 0;
}

总结:简单工厂模式和工厂模式比较起来,工厂模式添加新的产品,不需要改变现有的工厂类,只要写一个新的工厂类就可以了,但是如果产品较多,产生的工厂类会很多,所以在实际应用中,可以采取工厂方法模式和简单工厂模式结合的方式来解决实际问题。
另外,和简单工厂模式比较,工厂方法模式只是把需要创建那个产品的逻辑判断由工厂类中移到了客户应用端。


抽象工厂模式:
1.一个抽象工厂类,多个具体工厂子类;
2.多个抽象的产品类,每个抽象的产品类代表一种产品,每个抽象产品可以派生多个具体的产品类;
3.一个具体的工厂类可以创建多个产品类;
4.每个工厂可以创建一系列的不同产品(抽象类不同),工厂和工厂直接生成的产品类的种类数和类型一一对应,但具体产品不同;
class food
{
   public:
       virtual ~food(){}
   public:
       virtual void food_do_something() = 0;
};

class meat
:public food
{
    public:
      ~meat(){}
     public:
        void food_do_something()
        {
             cout<<"meat created!"<<endl;
        }
};

class rice
:public food
{
    public:
        ~rice(){}
    public:
        void food_do_something()
        {
             cout<<"rice created!"<<endl;
        }
};

class fruit
{
     public:
         virtual ~fruit(){}
     public:
         virtual void fruit_do_something() = 0;
};

class apple
:public fruit
{
   public:
       ~apple(){}
   public:
        void fruit_do_something()
        {
             cout<<"apple created!"<<endl;
        }
};

class orange
:public fruit
{
     public:
         ~orange(){}
     public:
         void fruit_do_something()
         {
               cout<<"orange created!"<<endl;
         }
};

class human
{
   public:
      virtual ~human(){}

   public:
      virtual food*  get_food() = 0;
      virtual fruit*   get_fruit() = 0;
};

class human_a
:public human
{
   public:
       ~human_a(){}
   public:
       food* get_food()
       {
            return (new meat());
       }

       fruit*  get_fruit()
       {
           return (new apple());
        }
};

class human_b
:public human
{
   public:
     ~human_b(){}
   public:
      food* get_food()
      {
          return (new rice());
      }

      fruit* get_fruit()
     {
         return (new orange());
     }
};


int main()
{
     human* man = new human_a();
     man->get_food()->food_do_something();
     man->get_fruit()->fruit_do_something();

     human* man_1 = new human_b();     
     man_1->get_food()->food_do_something();
     man_2->get_fruit()->fruit_do_something();


      return 0;
}



总结:抽象工厂模式和工厂模式比较,抽象工厂的一个工厂类可以生成不同类型的一系列产品,而工厂方法模式一个工厂类只能生成一种产品,
因此抽象工厂适用于需要生成多个产品系的系统。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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