Java基础学习--常量、变量、运算符

Java变量是程序中最基本的存储单元,要素包括变量名、变量类型和作用域

在类内,方法外定义的变量叫成员变量,会存在默认值。

在方法内,定义的变量必须要进行初始化操作,不会存在默认值。

final

使用final修饰的变量,只能被初始化一次,变成了常量

final常量是有名称的

使用final关键字修饰的变量称之为常量或者叫做最终常量,表示不可修改。

运算符

类型转换问题

byte d = 10;
d = d + 1;

以上代码会出现精度损失问题,原因是d+1操作会变成int类型,赋值运算将int类型转换成byte类型丢失3个字节的精度。

建议在使用的时候使用扩展运算符:

byte d = 2;
d += 1;

关系运算符

返回的结果只有true或false

逻辑运算符

&&:表示短路与,两边表达式中只要有一个是false,整体结果就是false。两边表达式从左向右开始对比,如果左边的表达式是false,右边不需要进行判断。

||:表示短路或,两边表达式只要有一个是true,整体结果就是true。两边表达式从左向右开始对比,如果左边的表达式是true,右边不需要进行判断。

位运算符

位运算符:&,|,^(异或)

只能操作数值,操作的时候会转换成二进制进行运算。

 

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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