mook 离港篇之 引用 与 const

引用是变量的别名

思考:能不能只有别名 ------不能------引用必须初始化



// ConsoleApplication14.cpp : 定义控制台应用程序的入口点。
//


#include "stdafx.h"
#include<iostream>
#include "stdio.h"
using namespace std;
typedef struct
{
int x;
int y;
}Coord;//结构体名字,注意后面分号,}后面没;,名字后面有;
int main(void)
{
Coord  c;
Coord &c1 = c;
c1.x = 10;
c1.y = 20;
cout << c.x << "  " << c.y<<endl;//do not foget endl
system("pause");
}






F9 设置断点 调试

// ConsoleApplication14.cpp : 定义控制台应用程序的入口点。
//

这样不也是可以的??
#include "stdafx.h"
#include<iostream>
#include "stdio.h"
void swap(int a, int b)
{
int temp;
temp = a;
a = b;
b = temp;
printf("交换之后m和n的值是:m = %d, n = %d\n",a, b);
}
int main()
{
int m = 1, n = 2;
swap(m, n);
//printf("交换之后m和n的值是:m = %d, n = %d\n",m,n);
system("pause");
return 0;
}


控制变量的const:

对类型:

const int x 代表x不能变

对引用:

const int&y=x   即代表 y不能变   const int x 代表x不能变

对指针:

const int*p=&x 代表p地址不能变  == int const*p=&x                           

int*const p=&x 代表x(*p),即对象,不能变   


const  int  x=3;int  *y=&x   不行  有风险   可以通过改变*y改变x,这相当于用权限大的代表权限小的不可以,用权限小的可变性代表大的是可以的

#include"stdafx.h"
#include <iostream>
using namespace std;
#define X3//也是定义一个常量  但是宏定义  不检查语法错  推荐用const
int main(void)
{
//const int x = 3;
int x = 3;
//const int*p = &x;均可
//const int*p = &x;
//*p = 5;//不行
//x = 5;


//int*const p = &x;
int y = 5;
//p = &y;  不可
//*p = 10;  可以


//yinyong
int const &z = x;
//z = 10;  不可
x = 10;//keyi


//fan(x, y);不可  因为函数里面用了const
system("pause");
return 0;
}
void fan(const int &a, const int &b)
{
a = 10;
b = 20;
}


指针指向const修饰的变量时,应该是const int const *p = &a; 而不是int const a=3,int *p=&a  因为这个时候可以通过改*p改a  是不对的







  • 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