java的file类

package com.lenovo.demo;

import java.io.File;
import java.sql.Date;
import java.text.SimpleDateFormat;
import java.util.Calendar;
import java.util.Scanner;

/**
 * 要求: 1、可以按下盘符+冒号(如C:)直接进入该盘根目录 2、键入目录名,按下回车键进入该目录 3、进入一个目录后,自动列出该目录下所有目录及文件
 * 4、按下..返回上一级目录 5、按下Q键退出程序
 * 
 * @author lenovo64
 *
 */
public class FileDemo {
	private static String input;
	private static String path;

	public static void main(String[] args) {
		System.out.println("请输入目录(如果是盘符,后面需要加':')");
		Scanner scanner = new Scanner(System.in);
		input = scanner.nextLine();
		while (true) {
			
			File cFile = new File(input + "\\");
			String[] files = cFile.list();
			for (String s : files) {

				File f = new File(input + "\\" + s);
				if (f.isDirectory() && !f.isHidden()) {
					long time = f.lastModified();
					String mTime = new SimpleDateFormat("yyyy/MM/dd HH:mm").format(new Date(time));
					System.out.println(mTime + "\t" + "<DIR>" + "\t\t" + s);
				}
			}
			for (String s : files) {

				File f = new File(input + "\\" + s);
				if (f.isFile() && !f.isHidden()) {
					long time = f.lastModified();
					String mTime = new SimpleDateFormat("yyyy/MM/dd HH:mm").format(new Date(time));
					System.out.println(mTime + "\t" + f.length() / 1024 + "KB" + "\t" + s);
				}
			}
			path = cFile.getPath();
			input = scanner.nextLine();
			if(input.equals("q")){
				break;
			}
			
			if (input.endsWith(":")) {

			} else if (input.equals("..")) {
				input = cFile.getParent();
				if(input==null){
					System.out.println(path+"已是根目录");
					input = path;
				}
			}else {
				input = path + "\\" + input;
			}
			
		}

	}
}



  • 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别。由于各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: 分问题:判断图像中的目标属于哪个别。 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 基于深度学习的目标检测算法主要分为两大: 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。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