集合

一、集合的介绍

集合是Java中提供的一种容器,可以用来存储多个数据

那么,集合和数组既然都是容器,它们有啥区别呢?

1:数组的长度是固定的,集合的长度是可变的

2:集合中存储的元素必须是引用类型的。

二、Collection概述

Collection接口是集合中的顶层接口,那么它中定义的所有功能子类都可以使用,查阅API中描述的Collection接口,Collection层次结构中的根接口Collection表示一组对象,这些对象也称为collection元素,一些collection允许有重复的元素,而另一些不允许。一些collection是用有序的,而另一些则是无序的。

三、集合的继承实现关系

ArrayList类实现它继承了抽象类AbstractList同时实现接口List,List接口又继承了Collection接口,Collection接口为最顶层集合接口了。

  interface List extends Collection{}

public class ArrayList extends AbstractList implementsList{}

这说明我们在使用ArrayList 类时,该类已经把所有抽象方法进行了重写。那么,实现Collection接口所有子类都会进行方法重写类

1Collection接口常用的子接口有List接口,Set接口

2List 接口常用子类有ArrayList类,linkedList

3Set接口常用的子类有:HashSet类,LinkedHashSet

四、ArrayList的特点

ArrayList 可变数组的实现,集合数据存储的结构是数组结构,元素增删慢,查找快,由于日常开发中使用最多的功能为查询功能,遍历数据,所以ArrayList是最常用的集合。线程不同步运行快

ArrayList的常用API

ArrayList是个有序列表。

public class ArrayListDemo {
	public static void main(String[] args) {
		ArrayList<String> list = new ArrayList<String>();
		list.add("张三");
		list.add("李四");
		list.add("赵六");
		Iterator<String> iterator = list.iterator();
		while(iterator.hasNext()){
			String str = iterator.next();
			System.out.println(str);
		}
	}
}


 

五、LinkedList的特点

Linkedlist是单项链表,增删快,查询慢。

Linkedlist提供了大量的首尾操作

LinkedList特有方法

public class LinkedListDemot {
   public static void main(String[] args) {
	LinkedList<String> list = new LinkedList<String>();
	list.add("张三");
	list.add("李四");
	list.addLast("王五");//在开始插入
	list.addFirst("李雷");//在最后插入
	list.add("赵六");
	Iterator<String> iterator = list.iterator();
	while(iterator.hasNext()){
		String str = iterator.next();
		System.out.println(str);
	}
}
}
答案是:李雷 张三 李四 王五 赵六

六、Vector简介

Vector集合数据存储的结构也是数组结构,为JDK中提供的最早的集合。Vector中提供了一个独特的取出方式,就是枚举,早期的迭代器,Vector集合已经被ArrayList替代了。

七、迭代器概述

Java中提供了多个集合,他在存储元素时,

采用的存储方式不同,我们要取出这些集合中的元素,课通过一种通用的获取方式来完成。

Collection集合元素通用获取方式:在取元素之前要先要判断集合中有没有元素,如果有,就把这个元素取出来,继续在判断,如果还有就在取出来。一直把集合的所有全部取出。这种取出专业术语称为迭代

八、Set集合介绍

学习ArrayList集合,ArrayList可以存放重复元素,那么我们知道List中是可以存放重复元素的,那么不重复元素哪里存放呢?那就是set接口,它里面的集合,所存储的元素就是不重复的。

Set集合取出元素的方式可以采用迭代器因为set是没有索引的

九、Map接口概述

Map接口下的集合与Collection接口下的集合,它们存储数据形式不同

Collection中的集合,元素是孤立存在的(理解为单身),向集合中存储元素采用一个个元素的方式存储。

Map中的集合,元素是成对存在的(理解为夫妻)。每个元素由键可以找对应的值。

Collection中集合为单列集合,Map中的集合为双列集合。

需要注意的是,Map中的集合不能包含重复的键值可以重复;每个键只能对应一个值

Map中常用的集合为HashMap集合,LinkedMap集合。

十、Map接口常用方法

Map 的子类HashMap;

HaspMap存储的是一对键值组合的集合,是是成对出现的。

HashMap的遍历

public class MapDemo {
	public static void main(String[] args) {
		HashMap<Integer,String> haspMap = new  HashMap<Integer,String>();
		haspMap.put(1, "张三");
		haspMap.put(2, "李四");
		haspMap.put(3, "王五");
		//获取HaspMap的set集合
		Set<Integer>keySet = haspMap.keySet();
		//获取set的迭代器
		Iterator<Integer> iterator = keySet.iterator();
		while(iterator.hasNext()){
			int key = iterator.next();
			System.out.println(haspMap.get(key));
		}
	}

}


  • 0
    点赞
  • 1
    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