Android初体验

今天忙里偷闲,试了试Android的开发。在Windows Vista和Mac上都试了试,应该是OK的。

 

[1] 到http://developer.android.com/ 下载SDK,我家里的网络连不上,所以我是在单位上下载的zip包。

 

[2] 到http://www.eclipse.org/ 下载Eclipse JEE 3.4版本,为什么要JEE版本,我也不太确定,不过这个版本功能都可以用,所以我建议还是下这个吧

 

[3] 下载安装ADT插件,如果你可以连上developer.android.com,你可以在线安装这个插件。

 

配置:其实很简单,进入Eclipse的Preferences,然后点选Android,选择Android SDK的目录。

 

测试,新建一个Android项目,如下图:


不用该任何源代码,点选Run -> Run Configuration..., 如下图配置


然后点选Target,然后点选AVD Manager,然后Target选1.5, Skin选择HVGA,然后点Create。

然后点击Apply和Run,就可以看到如下仿真器的界面了。


 

我只写了两个小例子,简单的对比一下iPhone和Android开发。

Android是用Java,标准的Java 5写法,全部符合注解,泛型的要求。所有Java的基本功都可以用上,入门比较容易。这方面iPhone使用Objective-C,语法还是相对比较怪异的:) Android SDK的文档集成了强大的搜索功能,很不错。不过比iPhone的文档比略差,举个例子,ArrayAdapter这个类有个构造函数public ArrayAdapter (Context context, int textViewResourceId, T[] objects), 第二个参数其实可以使用一个常量 android.R.layout.simple_list_item_1,可是文档里没有链接。

在界面这块,Android和iPhone的机制相同,使用Adapter/Delegate这种感念避免过多的类继承。Android开发也是使用xml来表示界面,资源的,这个和iPhone比较像。不过iPhone的Interface Builder明显领先Android那种糟糕界面设计两个时代。另外一个我觉得Android不如iPhone的地方时仿真器第一次启动太慢了,所以如果开发调试Android应用,不要关掉仿真器,否则重启太慢了。在我MacBook/HP (CPU 2.0G, 2G)的电脑上,基本上要1分多种,而iPhone仿真器只需要几秒钟。

 

当然了,Android有它的优势,首先开源,其次它未来很可能在上网本上也有应用,所以可以假设未来终端的部署量应该多于iPhone OS的部署量。其次,Android开发,确实不需要买苹果电脑,可以在Windows/Linux/Mac上都可以开发,应该会有更多的人选择为Android写程序。话虽然讲了这么多,不过我还是觉得为iPhone写程序比为Android写程序愉快,说不出为什么^_^

 

 

 

  • 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