【设计模式】抽象工厂模式

概述

抽象工厂模式是工厂方法模式的升级版本,他用来创建一组相关或者相互依赖的对象。比如宝马320系列使用空调型号A和发动机型号A,而宝马230系列使用空调型号B和发动机型号B,那么使用抽象工厂模式,在为320系列生产相关配件时,就无需制定配件的型号,它会自动根据车型生产对应的配件型号A。

产品类

interface CPU {

}

class CPU1 implements CPU {

  public CPU1() {
    System.out.println("生产CPU型号1");
  }
}

class CPU2 implements CPU {

  public CPU2() {
    System.out.println("生产CPU型号2");
  }
}

/**
 * 抽象产品类:显示器
 */
interface Monitor {
}

class Monitor1 implements Monitor {


  public Monitor1() {
    System.out.println("生产显示器型号1");
  }
}

class Monitor2 implements Monitor {

  public Monitor2() {
    System.out.println("生产显示器型号2");
  }
}


class Computers {
  CPU cpu;

  Monitor monitor;

  public Computers(CPU cpu, Monitor monitor) {
    this.cpu = cpu;
    this.monitor = monitor;
  }

  public CPU getCpu() {
    return cpu;
  }

  public void setCpu(CPU cpu) {
    this.cpu = cpu;
  }

  public Monitor getMonitor() {
    return monitor;
  }

  public void setMonitor(Monitor monitor) {
    this.monitor = monitor;
  }
}

创建工厂类

interface ComputerFactorys {

  Computers createComputer();
}

class DellFactory implements ComputerFactorys {

  @Override
  public Computers createComputer() {
    CPU cpu1 = new CPU1();
    Monitor monitor1 = new Monitor1();

    return new Computers(cpu1, monitor1);
  }
}

class HPFactorys implements ComputerFactorys {

  @Override
  public Computers createComputer() {
    CPU cpu2 = new CPU2();
    Monitor monitor2 = new Monitor2();

    return new Computers(cpu2, monitor2);
  }
}

客户

public class Customer {
  public static void main(String[] args) {
    DellFactory dellFactory = new DellFactory();
    Computers computer = dellFactory.createComputer();

    HPFactorys hpFactorys = new HPFactorys();
    Computers computer1 = hpFactorys.createComputer();
  }
}
  • 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