数组指针的疑惑

数组指针的声明方式:
int  (*a) [10];
声明了一个指向有10个整型元素的数组;
int v[2][10] = {{1,2,3,4,5,6,7,8,9,10},{11,12,13,14,15,16,17,18,19,20}};
int (*a)[10] = v;
12345678910
11121314151617181920

最初的时候我认为a是指向元素1的,则*a == 1;但运行结果则显示*a 等于一个地址值,并且这个地址值和a的值相同,只有**a时才能取得元素1的值。
为什么*a与a的值相同呢?
又为什么**a能取得元素值而*a只能获得地址值(指针)??
我的猜想是对于数组指针来说其实现方式决定了上面个的现象,其中a的确是指向数组的,这个数组只有10个整型元素,其实就是上面表中的一行。*a只能取得这一行的元素,而在实现中对于一整行的元素类型并没有定义,所以造成了*a与a的值相等;
而当我们再取值即**a时则将由整型元素的指针获取其数值,也就是第一个元素;
所以对于数组指针我们总结如下:
*a + n 是每个数组元素的指针;
*(*a + n)则才是每个数组元素;
而a+m则是第m个数组的指针;
其中指针偏移的控制是由数组指针声明时的类型和数组大小控制的;
例如,整个数组偏移时(a + m)时其指针的偏移就是     数组大小*sizeof(数组元素类型);
在元素间偏移时((*a + n))时其偏移就是  sizeof(数组元素类型)
  • 1
    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