cocos2d-x 浅谈数据存储-CCUserDefault

此类采用单例模式,可以通过sharedUserDefault()函数获取其唯一实例
CCUserDefault采用XML存储技术,就是一般的键值对,初学者也能容易的掌握
访问方式为CCUserDefault::sharedUserDefault()
这句话比较长,而且用的地方也比较多,所以建议采用宏定义简化代码
如下: #define userDefault CCUserDefault::sharedUserDefault()
其实现的接口也比较简单实用,通过传统的get()、set()方法访问和修改值
如下:

//获取bool型值
bool getBoolForKey(const char* pKey, bool defaultValue = false);
//获取整型值
int getIntegerForKey(const char* pKey, int defaultValue = 0);
//获取浮点数值
float getFloatForKey(const char* pKey, float defaultValue=0.0f);
//获取双精度浮点数值
double getDoubleForKey(const char* pKey, double defaultValue=0.0);
//获取字符串
std::string getStringForKey(const char* pKey, const std::string & defaultValue = "");


//设置布尔型值
void setBoolForKey(const char* pKey, bool value);
//设置整型值
void setIntegerForKey(const char* pKey, int value);
//设置浮点数值
void setFloatForKey(const char* pKey, float value);
//双精度浮点数值
void setDoubleForKey(const char* pKey, double value);
//设置字符串值
void setStringForKey(const char* pKey, const std::string & value);




接下来是其一般存储与初始化流程
该存储文件名已经规定了为UserDefault.xml,当该文件不存在是会自动创建,存在之后直接存取就行了,不需要过多的操作
通过以下代码,以判断该文件是否存在,不存在就创建并写入记录,表明其已经存在。
当然这显得有些多余,因为直接写一条记录也会使其创建并且不会破坏其数据。
但对于程序员来说,这是一个好习惯
if(!userDefault->getBoolForKey("isExisted")){
userDefault->setBoolForKey("isExisted",true);//不知道userDefault是啥?正文第五行,自己翻去
}
这样数据存储就初始化好了,之后直接调用get、set等方法就可以直接存取数据了
  • 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