Collection基础(一)

Q1:如果对List遍历,在遍历过程中对List进行增删改操作,为什么报错?

因为在遍历时做的其他操作迭代器不知道,ListIterator除了Iterator的hasNext,next,remove方法外,还有对数据的增删改操作:add,set等

 

Q2:列表扩容原理:

ArrayList和Vector底层是数组组成的,所以扩容时,原理是新建一个数组,将原数组数据复制到新数组,再加入新数据。

ArrayList:初始容量10,50%扩容;Vector:100%扩容

 

Q3:List判断底层数据是否相同的方法?

集合的equal方法,尽量自己重写。

 

Q4:链表LinkedList的方法?

offerFirst(),offerLast(),peekFirst(),peekLast(),pollFirst(),pollLast()

 

Q5:Set---HashSet如何保证唯一性?

首先比较hashcode值是否一样,如果hashcode值一样,就比较值是否一样,一样不存。

因为这样所以存在容器是无序的。

 

Q6:如何让HashSet有序?

将HashSet的数据通过链表的形式连在一起 -> LinkedHashSet

 

Q7:Map实现类的特点?

HashTable:key value都不可为null

HashMap:key value可为null

TreeMap:可对key做指定顺序的排列

 

Q8:Map与Set

Map的key不可重复,key-value不可重复,所以HashMap可以keySet转为Set,entrySet转为Set

 

Q9:ConcurrentHashMap和HashTable以及用Collectons.sychronizedMap()修饰的map的区别

1.HashTable来自废弃的类Dictionary;

2.HashTable内部方法全用类synchronized本质上与用Collectons.sychronizedMap()修饰的map是一个原理,但是Collectons.sychronizedMap()方法没有废弃;

3.ConcurrentHashMap在实现同步上与HashTable不一样,ConcurrentHashMap是分多个segment的,用那一段数据就锁哪一段segment。

 

Q10:HashMap,LinkedHashMap和TreeMap区别

HashMap就是正常的通过hashcode值计算存储位置,本身是无序且线程不安全的,Collectons.sychronizedMap()修饰的map可同步;

LinkedHashMap通过链表形式以插入的顺序存储数据;

TreeMap通过红黑树的形式存储,能够把它保存的记录根据键排序,默认是按键值的升序排序,也可以指定排序的比较器,当用Iterator 遍历TreeMap时,得到的记录是排过序的。

 

Q11:TreeMap的特点与应用

TreeMap底层是红黑树,因为红黑树的时间复杂度是O(logn),效率很高。

 

 

 

 

 

 

 

 

 

  • 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