《C专家编程》笔记

1、 整型数右移,要不要扩展符号位,在标准里并未明确该怎么做。有的编译器扩展了符号位,但还有一些并未扩展,所以,为保证                    代码的可移植性,应该这样写:a = (b >> 3) & 0x0f;

2、 x = f() + g() * h();
    f()的返回值是一个意群,g()和h()返回值的乘积组成另外一个意群。但g()并不一定比h()先调用,f()也并不一定早于g()和h()调用,               f()可能在乘法之前调用,也可能在乘法之后,也可能在g()和h()之间调用。C语言(大部分其他语言)标准没有定义调用次序,只能保证                乘法必定先于加法计算。之所以这样做,是想让编译器充分利用自身架构的特点,或者充分利用存储于寄存器中的值。
    例如:x = a++  +  a++;在不同的编译器中有不同的解释。
    如上所述,大部分表达式中各个操作数的计算顺序都是不固定的,由编译器决定。但某些操作符,如&&和||则是固定的从左到        右。另外,在函数调用中,各个参数的计算顺序也是不确定的,如:a(x++, x++);

3、C语言中,操作符的优先级设计的并不完美,所以尽量多使用圆括号"()"来保证代码按自己的意图运行。甚至只需牢记两个优先级就够了:乘法和除法优先级加法和减法,涉及到其他操作符时一律用括号。

4、作者推荐的书籍:
    《The Elements of Programming Style》, Kernighan和Plauger
    《Data Structures with Abstract Data Types》, Daniel F.Stubb和Neil W.Webre
    《The Art of Computer Programming》,Donald Knuth
  • 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