C

笔记

<stdio.h>
#include<stdio.h>
<math.h>
#include<math.h>
输出

printf()

%d & %f
  1. 整数值用 %d 输出, 浮点数用 %f 输出
  2. 整数值是指整数之间的运算,其结果也是整数;浮点数值是指浮点数之间的运算,其结果是浮点数。
  3. 8/5.0=> 8.0/5.0; 8.0/5=> 8.0/5.0
printf("%d\n", 8/5); //1
printf("%.1f\n", 8.0/5.0); //1.6
printf("%.2f\n", 8.0/5.0); //1.60
scanf()
  1. 功 能: 执行格式化输入
  2. 输入时是 "%lf" 而不是"%f"
scanf("%d%d%d",&a,&b,&c); 
const

const 声明常数

const double pi = acos(-1.0);
floor()
  1. 向下取整
  2. double floor(double x)
if 语句

if(condition) statement1; else if(condition2) statement3; else statement2;

if(condition){
    statement1;
}
else if(condition2){
    statement3;
}
else{
    statement2;
}
短路

C语言中的逻辑运算符都是短路运算符。一旦能够确定整个表达式的值, 就不再继续计算。

注释
  1. 多行注释 /* */
  2. 单行注释 //
break & continue
  1. continue 指继续for循环中的下一个循环
  2. break 指直接跳出for循环

Questions

Q1
printf("%d\n", 11111*11111);  //123454321
printf("%d\n", 111111*111111);  //-539247567
printf("%d\n", 111111111*111111111);  //1653732529
printf("%.1f\n", 11111.0*11111.0);  //123454321.0
printf("%.1f\n", 111111.0*111111.0);  //12345654321.0
printf("%.1f\n", 111111111.0*111111111.0);  //12345678987654320.0
printf("%d\n", sqrt(-10));  //-272632256
printf("%f\n", sqrt(-10));  //nan
printf("%d\n", 1.0/0.0);  //-272632256
printf("%f\n", 1.0/0.0);  //inf
printf("%d\n", 0.0/0.0);  //-272632256
printf("%f\n", 0.0/0.0);  //nan
printf("%d\n", 1/0);  //-272632256
printf("%f\n", 1/0);  //0.000000
Q2
int a, b;
scanf("%d%d", &a, &b);      //12 2
printf("%d %d\n", a, b);    //12 2
int a, b;
scanf("%d%d", &a, &b);      //12 s
printf("%d %d\n", a, b);    //12 32766
  • 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