【设计模式】——概述

简介

设计模式(Design pattern)代表了最佳的实践,经常被有经验的面向对象的软件开发人员所采用。设计模式是软件开发人员在软件开发过程中面临的一般问题的解决方案。这些解决方案是众多软件开发人员经过相当长的一段时间的实验和错误总结出来的,是一套被反复使用,多数人知晓的、经过分类的、代码设计经验的总结。

设计模式的类型

一、创建型模型:(对象怎么来)提供了一种在创建对象的同时隐藏创建逻辑的一种方式,而不是使用new运算符直接实例化对象。使得程序在判断针对某个给定实例需要创建那些对象时更加灵活。
• 工厂模式(Factory Pattern)
• 抽象工厂模式(Abstract Factory Pattern)
• 单例模式(Singleton Pattern)
• 建造者模式(Builder Pattern)
• 原型模式(Prototype Pattern)
二、结构模型:(对象和谁有关)关注类和对象的组合。继承的概念被用来组合接口和定义组合对象获得新功能的方式
• 适配器模式(Adapter Pattern)
• 桥接模式(Bridge Pattern)
• 过滤器模式(Filter、Criteria Pattern)
• 组合模式(Composite Pattern)
• 装饰器模式(Decorator Pattern)
• 外观模式(Façade Pattern)
• 享元模式(Flyweight Pattern)
• 代理模式(Proxy Pattern)
三、行为型模式:(对象与对象在干嘛)关注对象之间的通信
• 责任链模式(Chain of Responsibility Pattern)
• 命令模式(Command Pattern)
• 解释器模式(Interpreter Pattern)
• 迭代器模式(Iterator Pattern)
• 中介者模式(Mediator Pattern)
• 备忘录模式(Memento Pattern)
• 观察者模式(Observer Pattern)
• 状态模式(State Pattern)
• 空对象模式(Null Object Pattern)
• 策略模式(Strategy Pattern)
• 模板模式(Template Pattern)
• 访问者模式(Visitor Pattern)

设计模式六大原则

• 开闭原则——OCP(Open Close Principle)
对拓展开放,对修改关闭,在程序需要进行拓展的时候,不能去修改原有代码,实现一个热插拔的效果。
• 里氏代换原则——LCP(Liskov Substitution Principle)
任何基类可以出现的地方,子类一定可以出现。LSP是对开闭原则的补充。实现开闭原则的关键步骤是抽象化,而基类与子类的关系的继承关系就是抽象化的具体实现,所以里氏转换原则是对实现抽象化的具体步骤的规范
• 依赖倒转原则——DIP(Dependence Inversion Principle)
是开闭原则的基础,针对接口编程,依赖于抽象而不依赖于具体
• 接口隔离原则——ISP(Interface Segregation Principle)
使用多个隔离接口,比使用单个接口好,减低类之间的耦合度
• 迪米特法则——DP(Demeter Principle)
最少知道原则,一个实体应当经量少的与其他实体之间发生相互作用,使得系统功能模块相对独立
• 合成复用原则
尽量使用合成/聚合的方式,而不是使用继承

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 8
    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 8
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