java基础--代码块、继承、super、final

一.代码块

主要介绍静态代码块

即使用static修饰的代码块

位置:类中,方法外

调用过程:随着类的加载而加载,且之加载一次,在构造代码块前执行。

实际的应用:用于加载驱动。

用一段代码体现代码块顺序:

public class Demo02 {
	static {
		System.out.println("我是main方法的静态代码块");
	}
	public static void main(String[] args) {
		System.out.println("main");
		Test test1 = new Test();
		Test test2 = new Test("yy");
	}
}
class Test{
	String name;
	public Test() {
		System.out.println("无参");
	}
	public Test(String name){
		System.out.println("有参");
	}
	
	{
		System.out.println("构造");
	}
	static{
		System.out.println("静态");
	}
}

打印结果

我是main方法的静态代码块
main
静态
构造
无参
构造
有参

二.继承

继承是用来传递的,继承的是属性与方法(不是全部),用来建立类与类之间的关系。
好处:1.减少代码量(代码复用性)2.提高工作效率3.增强了类与类之间的关系
java中只允许单继承(通过接口多继承)
Java中 还允许多层继承(继承链)
当你只想使用共有方法和属性,一般选择继承链最顶端的类。
当你只想使用特有方法和属性,一般选择继承链最末端的类。

如果一个类没有写继承,那么这个类默认继承 Object类(基类)

继承中的构造方法

首先,构造方法不能继承,但是,当创建子类对象时(不管你在创建子类对象时用的有参还是无参构造),为了保证继承的完整性,系统会默认帮你调用父类的无参构造方法。

如果父类中没有无参构造方法该怎么办?

只需要在子类的构造方法的第一行,调用一下父类方法(有参无参都行)

关键字super与this

super在子类中代表的是父类的对象
this 在子类中 可以调用子类的属性和方法(当子类中没有这个属性或方法,就去父类中寻找,找到就用,没找到就报错)。

三.方法的重写(override)

前提:至少两个有继承关系的类。

作用:对父类的方法补充升级。

public class Demo08 {
    public static void main(String[] args) {
        TestD testD = new TestD();
        testD.print(); 
    }
}
class TestC{
	public void print() {
		System.out.println("我是c的print方法");
	}
}
class TestD extends TestC{
	public void print() {
		//重写父类的方法
		//调不调用父类的方法,根据需求而定
		super.print();
		System.out.println("我是d的print方法");
        }
 }

打印结果为:

我是c的print方法
我是d的print方法

四.关键字 final

1.修饰方法 方法不能被重写
2.修饰类 类不能被继承
3.修饰变量 变量不能被修改
4.修饰引用数据类型 不能进行重新指向(地址不能修改)

一般使用final定义静态常量,然后可以用类名直接调用。
常规命名规范 所有字母大写 多单词用下划线分开
例如:public static final int MAX_VALE = 10;


  • 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