JAVA笔记

23.抽象类:

     抽象函数------只有函数的定义,没有函数体的函数被称为抽象函数:abstract  void  fun();

      抽象类--------使用abstract定义的类被称为抽象类:1.抽象类不能够生成对象

                                                                                                2.如果一个类当中包含有抽象函数,那么这个类必须被声明为抽象类

                                                                                                3.如果一个类当中没有抽象函数,那么这个类也可以被声明为抽象类(用于不想生成对象的类)   

抽象类的子类通过overwrite父类的抽象函数来获得实例化的能力

抽象类还被叫做基类,是只用于被继承的类。

抽象类可以有构造函数,为子类准备。

26.包和访问权限

软件包为java类提供了命名空间,为同名的类提供不同的文件夹

把类放到一个包当中,需要使用package“包名”,编译时需要使用-d 参数,该参数的作用是生成相应的文件夹

一个类的全名应该是“包名” + “.” + “类名”


包名的命名规范:1.一般要求所有的字母小写

2.包名一般情况下,是你的域名倒过来写


public权限(无限制权限):修饰的类和变量无论是不是在同一个包内,其他的类都可以访问,但在不同的包中要写类的全名(加包名)否则要导入所在包后使用。

private权限(类级别):修饰的变量和方法只在类的内部能够使用

default权限(包级别):在同一个包内的类才有访问权


如果子类和父类不在同一个包中,则子类不能继承父类当中的default权限成员变量和成员函数,因为权限不够


protected权限首先拥有和default一样的功能,但是该权限只能修饰成员变量和成员函数,对于子类protected权限=public

28.接口

1.使用interface定义

2.接口当中的方法都是抽象方法

3.接口当中的方法都是public权限

4.实现接口使用implement关键字

5.一个类可以实现多个接口

6.一个接口可以继承多个接口

29.静态工厂方法模式

生成对象的代码封装在工厂类,使用静态函数


30.异常

JAVA中的一切都是对象……所以,异常也是对象。

异常:中断了正常指令流的事件。异常是运行时产生的,语法是正常的,因为判断语法正确与否是在编译期进行的。

32.IO




  • 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
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