深复制与浅复制

copy与retain的区别:

       copy是创建一个新对象,retain是创建一个指针,引用对象计数加1Copy属性表示两个对象内容相同,新的对象retain为1 ,与旧有对象的引用计数无关,旧有对象没有变化。copy减少对象对上下文的依赖。

       retain属性表示两个对象地址相同(建立一个指针,指针拷贝),内容当然相同,这个对象的retain值+1也就是说,retain 是指针拷贝,copy 是内容拷贝。

      IOS中遵守NSCopying 协议的类可以发送copy消息,遵守NSMutableCopying 协议的类才可以发送mutableCopy消息。假如发送了一个没有遵守上诉两协议而发送 copy或者 mutableCopy,那么就会发生异常。

接下来研究深浅复制:

1. 对不可变的字符串进行拷贝操作:

 NSString *str1=@"hello";

    

    NSString *str2=[str1 copy];//指针copy

    NSString *str3=[str1 mutableCopy];//copy

    NSMutableString *mutableStr2=[str1 copy];//指针copy

    NSMutableString *mutableStr3=[str1 mutableCopy];//copy

    [mutableStr3 appendString:@"-oc"];

    

    NSLog(@"str1=%@\nstr2=%@\nstr3=%@\nmutablStr2=%@\nmutableStr3=%@\n\n\n\n\n",str1,str2,str3,mutableStr2,mutableStr3);

    NSLog(@"str1=%p\nstr2=%p\nstr3=%p\nmutablStr2=%p\nmutableStr3=%p",str1,str2,str3,mutableStr2,mutableStr3);

2.对可变的字符串进行拷贝操作:

  

    NSMutableString *m1 = [NSMutableString stringWithFormat:@"%@",@"hello"];

    NSMutableString *m2 = [m1 copy];//copy

    NSMutableString *m3 = [m1 mutableCopy];//copy

    NSString *strm2 = [m1 copy];//copy

    NSString *strm3 = [m1 mutableCopy];//copy

    

    NSLog(@"m1=%@\nm2=%@\nm3=%@\nstrm2=%@\nstrm3=%@\n\n",m1,m2,m3,strm2,strm3);

    NSLog(@"m1=%p\nm2=%p\nm3=%p\nstrm2=%p\nstrm3=%p\n\n\n\n\n",m1,m2,m3,strm2,strm3);

    

    //对于源数据为可变的字符串我执行copy 或者mutablecopy他们的地址都是新开辟的

    [m1 setString:@"word world"];

    NSLog(@"m1=%@\nm2=%@\nm3=%@\nstrm2=%@\nstrm3=%@\n\n",m1,m2,m3,strm2,strm3);

    NSLog(@"m1=%p\nm2=%p\nm3=%p\nstrm2=%p\nstrm3=%p",m1,m2,m3,strm2,strm3);

结语: 对于系统的非容器类对象,我们可以认为,如果对一不可变对象复制,copy是指针复制(浅拷贝)和mutableCopy就是对象复制(深拷贝)。如果是对可变对象复制,都是深拷贝,但是copy返回的对象是不可变的。


  • 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