变量的使用注意

#include <stdio.h>

/*

1.变量作用域(作用范围)

从定义变量的那一行代码开始,一直到所在的代码块结束

2.代码块的作用

及时回收不再使用的变量,为了提升性能

*/

int test()

{

int score =200;

return0;

} //test函数结束后,score变量将会从内存中消失,释放内存空间


int main( )

{

int score;

test();

score =100;

printf("%d\n", score);//结果为100 (寻找变量就近原则)

/*

{ 代码块

int a = 10; 代码块

}

printf ("a=%d\n",a)  

错误,的作用域为上面一个小的代码块,执行完代码块后,内存将被释放

a将消失,输出时会提示a未定义

*/

int a =100;

{

int a =200;//如果注释此行,结果将会是100

printf("a=%d\n",a); //结果为200,就近原则

}

printf("a=%d\n",a);//结果为100,函数块中的内容将消失

int a =100;

{

int a =200;

{

/* int a; //第一个输出结果是200,这个代码块中定义

了一个a50将不会赋值给代码块外面的a,就近原则 */

a =50

}

printf("a=%d\n",a); //结果为50,小代码块会给a赋值一次,就近原则

}

printf("a=%d\n",a);//结果为100,函数块中的内容将消失


/*错误写法,执行第二行时,变量a尚未定义

int b;

b =a ;

int a = 10;

*/


return0;

}

  • 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