复习java 总结的一些小细节(一)

1.

 

 

没有static关键字,非静态方法,有就是静态方法

类方法即静态方法,对象方法即非静态方法


构造方法

  • 创建对象,会调用构造方法,构造方法会初始化类中所有成员变量,即使你什么都不写
  • 类中如果没有声明构造方法时会默认生成无参构造方法
  •  构造方法无返回类型;无返回类型(构造方法)和无返回值类型(void)需区分清楚

 


 

 就近原则 

  • 如果传入方法的参数和类里面的参数相同,则java采用就近原则,离得近的为实际调用的变量,所以有必要用this指定,如上图所示。

 


java中基本数据类型和默认类型的默认值
  • 默认布尔类型为false,引用对象为null,其他数据类型赋值为0,(char为数值0)。

 


四种权限修饰符级别
  • private 本类下可以调用
  • default 同一个包下可以调用
  • protect 子类可以调用
  • public 公共的



 

断言

 

 

Java -ea 开启断言

  • 断言:调试使用,布尔类型。 断言出错即报错,运行时异常的子类

 


不需要捕获的异常:运行时异常

运行时异常:(空指针,构造异常,数组下标越界,)所有的运行时异常可以通过严谨的编程控制

 

JAVA的统一做法:Java所有属性都为private,并为其加上getset方法

 

Alt+insert  创建getset方法

 


 

引用数据类型的类型转换:

自动:子类对象转为父类对象

强制:父类对象转为子类对性(可能构造异常)

 

 

类型检查关键字

  • 左侧是引用变量,右侧是一个类

 

 


重载在一个类里的不同方法  

重写在两个类中,是继承关系

方法名一定相同;

参数列表必须相同;

返回值类型:为父类返回值类型或其子类型;

子类的方法访问权限不能小于父类;

子类抛出的异常一定是父类抛出异常范围内的异常

 


JAVA四种引用:强,软(内存不足时会被回收),弱,虚;(后两个一旦被垃圾回收机制发现立刻回收)

 

Final修饰类, 不能被继承,修饰变量属性为常量,只能赋值一次

Finalize()方法:当类被回收时触发,类似于C++的析构函数

System.gc();       唤醒垃圾回收机制,只能唤醒,无法确定是否被回收

 


抽象方法一定是在抽象类中,一定没有方法体

抽象方法是为了被重写

如果继承有抽象方法的抽象类时,一定要重写抽象方法

 

抽象类不能被实例化

 


接口
  • 接口内没有属性,只有常量,以static final修饰的常量
  • 接口不可以被实例化
  • 方法:接口中的方法默认具有public abstract两个关键字修饰,1.8之后可以有方法体,要加上default关键字
  • JAVA1.8之后,可以有静态方法
  • 如果多继承重名的方法,则必须重写此方法
 

 

使用static+final修饰符修饰常量,存入常量池

 

 

JAVA可以实现多个接口但只能单继承

 

JAVA中没有类似C++的方法指针,所以依靠接口来实现一些方法




接口的实现方式有多种

  • 匿名内部类

  • Lambda只能实现只有一个方法的接口,()中为参数。

  • 方法里面有一个参数,则可以去掉(),可以用于实现安卓的监听器 

  • 接口的另一种实现方式:代理接口 Proxy

 


  • 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