C++上篇-程序设计入门概念(1)

程序=数据结构+算法

数据结构:一个对象所包含的属性,形如自然界中的个体,例如大树的直径,高度等等

算法:用于对对象进行操作,即对对象的属性进行操作

程序:用于解决某些对象的方法

对象:即某个事物的具体属性+所能对自己或可能对他人属性作修改的动作

类:从总结角度来讲,是所有对象的共同特征(包含方法)的总结。

封装性:对象的属性在不设置为友元函数的情况下是只能用自己的方法对自己作修改

继承性:针对子类和父类来说,类的属性和方法可以被继承,扩展下,当然也可以作修改,取其精华,去其糟粕

多态性:同样的函数名称,函数体的内容不同,在调用不同对象同名函数时,所展现的动作是同层次的表现,但却又不同

main函数:在C++里边,程序执行的第一步也是从main函数体开始,具有时间推移性,而设计的类虽从空间二叉树来考虑,但是也是为main函数所服务

预处理命令:在正式编译全部程序之前,先将头文件或者指定的文件找到放入你编译的当前程序中。例如使用std::cout和std::cin就来自<iostream>。其实输入输出就是一个编好的在库里边的对象,直接调用其动作的方便性就在于此。

算法的效率:任何事情,都从时空去考虑它的效率,算法也不例外,时间效率就是执行此程序所花费的时间;空间效率就是所占用的内存空间大小

 

  • 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