C++ STL(标准模板库)

C++ STL(标准模板库)是一套功能强大的 C++ 模板类,提供了通用的模板类和函数,这些模板类和函数可以实现多种流行和常用的算法和数据结构,如向量、链表、队列、栈。

C++ 标准模板库的核心包括以下三个组件:

组件

描述

容器(Containers

容器是用来管理某一类对象的集合。C++ 提供了各种不同类型的容器,比如 dequelistvectormap 等。

算法(Algorithms

算法作用于容器。它们提供了执行各种操作的方式,包括对容器内容执行初始化、排序、搜索和转换等操作。

迭代器(iterators

迭代器用于遍历对象集合的元素。这些集合可能是容器,也可能是容器的子集。

这三个组件都带有丰富的预定义函数,帮助我们通过简单的方式处理复杂的任务。

下面的程序演示了向量容器(一个 C++ 标准的模板),它与数组十分相似,唯一不同的是,向量在需要扩展大小的时候,会自动处理它自己的存储需求:

实例


#include <iostream>

#include <vector>

using namespace std;

 

int main()

{

  // 创建一个向量存储 int

  vector<int> vec;

  int i;

 

  // 显示 vec 的原始大小

  cout << "vector size = " << vec.size() <<endl;

 

  // 推入 5 个值到向量中

  for(i = 0; i < 5; i++){

     vec.push_back(i);

  }

 

  // 显示 vec 扩展后的大小

  cout << "extended vector size = " << vec.size()<< endl;

 

  // 访问向量中的 5 个值

  for(i = 0; i < 5; i++){

     cout << "value of vec [" << i << "] =" << vec[i] << endl;

  }

 

  // 使用迭代器 iterator 访问值

  vector<int>::iterator v = vec.begin();

  while( v != vec.end()) {

     cout << "value of v = " << *v << endl;

     v++;

  }

 

  return 0;


当上面的代码被编译和执行时,它会产生下列结果:

vectorsize =0

extendedvector size =5

valueof vec [0]=0

valueof vec [1]=1

valueof vec [2]=2

valueof vec [3]=3

valueof vec [4]=4

valueof v =0

valueof v =1

valueof v =2

valueof v =3

valueof v =4

关于上面实例中所使用的各种函数,有几点要注意:

·        push_back( ) 成员函数在向量的末尾插入值,如果有必要会扩展向量的大小。

·        size( ) 函数显示向量的大小。

·        begin( ) 函数返回一个指向向量开头的迭代器。

·        end( ) 函数返回一个指向向量末尾的迭代器。

 

重载运算符的限制:

   重载运算符函数可以对运算符做出新的解释,但原有基本语义不变:

  (1),不改变运算符的优先级

  (2),不改变运算符的结合性

  (3),不改变运算符所需要的操作数

  (4),不能创建新的运算符

用成员或友元函数重载运算符 :

(1)一元运算符:

Object op    或    op Object

重载为成员函数,解释为:

Object . operator op ()

操作数由对象Object通过this指针隐含传递

重载为友元函数,解释为:

operator op (Object)

操作数由参数表的参数Object提供

(2)二元运算符:

ObjectL op ObjectR

重载为成员函数,解释为:

ObjectL . operator op ( ObjectR )

左操作数由ObjectL通过this指针传递,右操作数由参数ObjectR传递

重载为友元函数,解释为:

operator op ( ObjectL, ObjectR )

左右操作数都由参数传递

几种特殊情况:

(1)运算符【】和()是二元运算符,只能用成员函数重载,不能用友元函数重载。

(2)重载输出(输入)运算符只能用友元函数重载。

  • 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