GCD使用(五)分组操作(group)

1。监听一组任务是否完成,完成后得到通知,执行其他的操作
     dispatch_group_create :创建

     dispatch_group_async  /  dispatch_group_async_f :分组操作 (组里的任务是一个接一个的操作)

     dispatch_group_notify (group , queue ,  block) :在组里的操作都结束时,接收通知

e.g.

 1.dispatch_group_async

    dispatch_group_t  taskGroup =  dispatch_group_create();

    dispatch_queue_t  mainQueue =  dispatch_get_main_queue();

    

    //因为这里是更新界面,所以是在主线程 

    dispatch_group_async(taskGroup, mainQueue, ^{

        [self reloadTableView];

    });

    dispatch_group_async(taskGroup, mainQueue, ^{

        [self reloadScrollView];

    });

    dispatch_group_async(taskGroup, mainQueue, ^{

        [self reloadImageView];

    });

    

    /* At the end when we are done, dispatch the following block */

    dispatch_group_notify(taskGroup, mainQueue, ^{

        /* Do some processing here */

        [[[UIAlertView alloc] initWithTitle:@"Finished"

                                    message:@"All tasks are finished"

                                   delegate:nil

                          cancelButtonTitle:@"OK"

                          otherButtonTitles:nil, nil] show];

        

    }); 

e.g. 

   2.C函数:dispatch_group_async_f

void reloadAllComponents(void *context){  

    AppDelegate *self = (__bridge AppDelegate *)context;   

    [self reloadTableView];

    [self reloadScrollView];

    [self reloadImageView];   

}

- (void) actionGroup:(NSDictionary *)launchOptions{  

    dispatch_group_t taskGroup =  dispatch_group_create();

    dispatch_queue_t mainQueue =  dispatch_get_main_queue();  

    dispatch_group_async_f(taskGroup,

                           mainQueue,

                           (__bridge void *)self,  //C函数中的参数

                           reloadAllComponents);


    dispatch_group_notify(taskGroup, mainQueue, ^{

        [[[UIAlertView alloc] initWithTitle:@"Finished"

                                    message:@"All tasks are finished"

                                   delegate:nil

                          cancelButtonTitle:@"OK"

                          otherButtonTitles:nil, nil] show];

        

    });

   

 postscript: 

    宏

    NSLog(@"1-%s", __FUNCTION__); //当前函数签名

    NSLog(@"2-%d",__LINE__); //在源代码文件中当前所在行数

    NSLog(@"3-%s",__FILE__); //当前源代码文件全路径

    关键字

    __bridge : 在Core Foundation和ARC之间,做类型转换时用到


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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。 、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