JS学习之构造函数、原型、原型链

构造函数
创建并初始化对象的函数,必须需要new来调用。如果不用new 就与普通函数没有区别。

 通过构造函数new出来的对象叫实例,创建对象的过程叫实例化。

             function  Person(name,age){
         /*1、 在用new调用的函数的时候创建了一个空对象(var obj=new Object)
           2、 把this指向了该对象this=obj;   */
                            this.name = name;
              this.age    = age;
              this.word  =  function(){
                    console.log("我叫"+this.name);
              } 
              /*3、 函数执行完毕后,返回该对象 return obj  */
       }
       var p1=new Person('jiajia');  // 一个实例
              var p2=new Person('xiaoxu');

原型 prototype

函数身上的属性,每一个函数都有,它的值是一个对象。

用途:它身上同样有属性和函数,构造函数身上也具备prototype这个属性,通过构造函数创造出来的对象(一个实例)同样拥有构造函数身上的prototype.

建议:把一些公用的属性或者方法都放到构造函数的原型身上。

      function  Person(name,age){
              this.name = name;
              this.age    = age;
              this.word  =  function(){
                    console.log("我叫"+this.name);
              } 
            
       }
      Person.prototype.sex='男';  // 通过这样添加的属性 每一个实例身上都会有
             var p1=new Person('jiajia');  // 一个实例
             var p2=new Person('xiaoxu');
       // 每一个实例内存都会开辟一块空间,所以公用的属性放在构造函数的原型身上能提高性能减少内存泄漏
             console.log(p1.sex);  //
             console.log(p2.sex);  //

 --proto--

对象身上的属性,每一个对象都会有。它的值也是一个对象,它的值就是它对应的构造函数的prototype的值
对象.__proto__===构造函数.prototype
注意:对象之所以能继承原型身上的属性和方法,是因为每个对象身上都有一个__proto_,那__proto__的值指向了构造函数的prototype

原型链:对象与原型之间的关系
查找规则:当我们调用对象身上的属性或者方法的时候就会有一个查找规则
1、在自己身上找,有的话就用自己的
2、如果自己没有,就在该对象的__proto__下查找,因为__proto__指向对应的构造函数身上的prototype,也就是找构造函数身上的原型
3、如果原型身上没有的话,就会继续往上找,直到找到最顶层的Object身上的 prototype

 

转载于:https://www.cnblogs.com/xubj/p/9879783.html

  • 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