CPP_Basic_Summary_0.3

##CPP_Basic_Summary_0.3

1、转义字符为右斜杠
2、通用字符名以\u或者\U开头
3、unsigned char范围0-255,signed char范围-128~127
4、wchar_t是一种整型,但不适用cin和cout,可以的用法如wchar_t bob =L’p’;
其中L表示宽字符常量和宽字符串,wcout<<L"tall"<<endl;
5、bool类型,非零=true=1,0=false
6、const 限定符一旦定义后,不可更改,且应该立即初始化
7、3.45E6的意思是3.45*10^6,E右边为负数表明小数点向左移n位
8、float至少32位;double至少48位,且不少于float;long double至少和double一样多,一般为80、96或128位
9、cout通常会删除结尾的0,所以调用cout.setf()可以覆盖这种行为
10、float精确到6位有效数字,double至少13位有效数字
11、系统默认的浮点常量一般为double,如需确认可使用如1.234f,2.45E20F来指定
12、%求模运算公式,当其中一个为负数时,满足如下公式:a%b=a-(a/b)*b
13、注意运算符的优先级和结合性,必要时候可查表
14、除法中若有一个数是浮点,则结果自动浮点
15、类型转换可能导致精度下降,如果值域改变由大到小,结果可能不确定
16、浮点转为整型时,C++截断而不是四舍五入
17、强制类型转换:typename (value),如long (width),也可以调用static_cast<typename> (value),将value强制类型转换为typename类型
18、C++11中的auto声明不能乱用

  • 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