面向对过程与面向对象

面向过程:面向过程方法认为我们的世界是由一个个相互关联的小系统组成,构成这个系统的各个部分之间有着密不可分的因果关系。

  面相对象:面向对象方法将世界看做一个个相互独立的对象,相互之间并无因果关系。只有在摸个外部力量的驱动下,对象之间才会依据某种规律相互传递信息。这些交互构成了这个世界的一个“过程”。

  面向对象和面向过程的根本不同,就是面向对象不再把世界看做是一个紧密关联的系统,而是看做一些相互独立的离散的小零件,这些零件依据某种规则组织起来,完成一个特定的功能。

  面向对象的三个要点问题:

  1、Why,即为什么对象是这样被抽象出来?

  2、How,即怎样将对象组合起来?

  3、What,即一个对象组合的含义是什么?

例子:   如果你的分析习惯是在调研需求时最先弄清楚有多少业务流程,先画出业务流程图,然后顺藤摸瓜,找出业务流程中每一步的参与部门和岗位,弄清楚在这    一步参与者所做的事情和填写表单的结果,并关心用户如何把这份表单传给下一个环节的,那么,你还在做面向过程的事情。

      如果你的分析习惯是在调研需求时先弄清楚有多少部门、岗位,然后找到每一个岗位的业务代表,问他们类似的问题:你平时做什么?这件事交个谁办?那么

   你已经OO了。

  现实世界中:人驱动系统,事体现过程,物记录结果,规则是控制。

  业务模型中:人用“参与者”的元模型作为信息来源提供者,采用“用例”来表示驱动者的业务目标,对应现实中的事,而事是怎么做的,依据什么规则,成为业务场景

      和用例场景,“业务对象模型”对应现实世界的“物”。

  • 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