java 参数传递

java中的参数传递都是值传递,即只是将实参的副本(复制品)传入方法内,在方法里改变值,参数本身不受到影响。

基本类型:

public class Test

{

   public static void swap(int a,int b)

  {

          int tmp = a;

          a = b;

          b = tmp;

  }

    public static void main(String[] args)

    {

            int a = 6;

            int b = 9;    

            swap(a,b);                    //      a   b 的值并没有改变

    }

}

main中的a, b值并没有改变,说明swap中的a,b只是main方法中变量的复制品。

在main 中定义了a,b两个局部变量, 在栈里给 a , b 分配空间,并分别赋值,通过swap传递中,也会在栈中分配两个空间来 a1, b1。

所以改变 a1 , b1 并不会影响a,b. 


引用类型

public class DataWrap
{
    public int a;
    public int b;
}
public class B

{
    public static void swap(DataWrap dw)
    {
        int tmp = dw.a;
        dw.a = dw.b;
        dw.b = tmp;

        System.out.println("swap方法里,a 的属性的值是" + dw.a + "; b的值是" + dw.b);

 //       dw = null;
    }
    public static void main(String[] args)
    {
        DataWrap dw = new DataWrap();
        dw.a = 6;
        dw.b = 9;

        swap(dw);

        System.out.println("交换结束后,a的属性值是" + dw.a + "; b的值是" + dw.b);
    }
}

在引用类型中 , 

在main方法开始创建了一个DataWrap对象,并定义了一个dw引用变量来指向DataWrap对象,这是基本类型不同的地方。

创建一个对象时,系统内存中有两个实体:对内存保存了对象本身,栈内存中保存了该对象的引用。接着通过程序引用来操作

DataWrap对象,并对该对象a, b 赋值。

在swap中 也会创建一个DataWrap对象,也是指向堆内存里的DataWrap对象。


相当于main 和 swap中的 dw 都指向了堆内存中的DataWrap对象。

所以swap后 main中的 dw 对象  a  b  值会改变。

在swap中的最后一行加上 dw = null;  并不会影响main中的dw 。





  • 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