黑马程序员——OC中Foundation框架

------Java培训、Android培训、iOS培训、.Net培训、期待与您交流! -------

Foundation框架:
Foundation类层次的根是NSObject类,它(和NSObject及NSCopying协议一起)定义了基本的对象属性和行为。Foundation框架的剩余部分由几组相互关联的类和一些独立的类组成。有一些代表基本数据类型的类,如字符串、字节数组、用于存储其它对象的集合类,一些代表系统信息的类
简单的说,Foundation框架就是许多个常用类的集合程序的开发过程,Foundation框架将经常使用平时创建OC类的时候,就要引用Foundation框架的Foundation.h文件#import <Foundation/Foundation.h>
Foundation框架中4种常用的结构体NSRange,NSPoint,NSSize,NSRect

结构体:

1.NSRange

1)NSRange原来就是由两个unsigned long类型组成的结构体:

2)NSRange的两个成员

NSRange有两个Unsigned long类型的成员:location、length

可以用来描述几个字母在字符串中所处的位置和长度。

也可以描述数组中几个数据所处的位置和范围。

3)用NSString的对象方法rangeOfString,查找某个字符串在str中的范围

NSPoint(CGPoint)表示坐标

为什么使用CGPoint?

因为CGPoint和NSPoint的功能是一样的,但是CGPoint是跨平台的,所以一般使用CGPoint

NSPoint定义在Foundation/NSGeometry.h中,其定义格式是这样的:

NSPoint表示一个平面上的点,分别用x和y表示横坐标和竖坐标。这点在我们以后操作屏幕上的点定位都是有用的,NSPoint跟NSRange一样,同样可以使用函数NSMakePoint(CGFloat x, CGFloat y)来产生一个NSPoint,使用函数NSStringFromPoint(NSPoint point)来将NSPoint格式化为一个NSString字符串。

3、NSSize(CGSize)表示UI元素的尺寸,宽度和高度

NSSize结构体同样是定义在Foundation/NSGeometry.h中的,其定义结构如下

4、NSRect(CGRect)

NSRect结构体定义在Foundation/NSGeometry.h中,其定义为:


这个结构体用来存储宽度和高度,origin表示矩形左上角的坐标,size表示矩形的高度和宽度。同样的,我们可以使用NSMakeRect()和CGRectMake()来创建一个NSRect或者CGRect

NSString和NSMutableString

1.NSString(不可变字符串)

字符串创建的几种方式:

2.URL(资源路径)

URL的书写格式

协议头://路径

协议头包括:http(网络资源)、ftp(FTP服务器资源)、file(本地文件)等


3.创建字符串的类方法

一般都会有一个与对象initWith方法配对的类方法。开发中,我们常用类方法,因为代码短,省时间。

4.字符串的导出


6.NSMutableString(可变字符串)

1)可变字符串的拼接:

这里用到了字符串对象方法 appendString:

2)不可变字符串拼接后新建字符串

3)删除字符串中的某个字符串

三、集合类 NSArray和NSMutableArray(OC数组)

1.可变数组、不可变数组

NSArray:不可变数组

NSMutableArray:可变数组

NSMutableArray是NSArray的子类

2.OC数组与C语言数组的区别

C语言数组:只能存放单一类型数据

OC数组:可以存放各种OC对象  

* OC数组不能存放nil值,nil代表OC数组的结束。

* OC数组只能存放OC对象、不能存放非OC对象类型,比如intstructenum

可变数组的基本使用:

集合类 NSSet和NSMutableSet (无序数组)

1.NSSet 无序不可变数组

NSMutableSet 无序可变数组

集合类  NSDictionary和NSMutableDictionary (字典)

     字典:一个key(键)对应一个value(值),里面存储的东西都是键值对。 

     key(id类型) ----> value(id类型)

     一般用法:索引 ---->文字内容

不可变字典 NSDictionary

可变字典 NSMutableDictionary

字典的遍历

集合类总结

 集合

1.NSArray\NSMutableArray

 *有序

 *快速创建(不可变):@[obj1, obj2, obj3]

 *快速访问元素:数组名[i]

2.NSSet\NSMutableSet

 *无序 

 3.NSDictionary\NSMutableDictionary

 *无序

 *快速创建(不可变):@{key1 : value1,  key2 : value2}

 *快速访问元素:字典名[key]

NSValue/NSNumber

1.简介

在OC数组和字典中,只能存放OC对象。如果我们想传一个基本数据类型到数组中,比如int类型,只能将int包装成字符串对象:@“20”。

OC中提供这两个类NSValue、NSNumber,可以将任何基本数据类型转成NSValue或NSNumber类型的对象。

* NSNumber是NSValue的子类

* NSValue可以包装任何基本数据

* NSNumber只能包装数字(int、double、floa、BOOL、enum)

NSNumber的基本使用

1)基本用法

NSValue的基本使用

NSValue一般用于包装结构体:CGPoint、CGSize、CGRect

NSDate 时间

1.基本使用

2.时间格式化

当我们想把NSDate对象中的时间输出到手机屏幕上时,我们就需要将NSDate对象转成字符串。

但如何告诉程序我们想要用什么格式输出呢?2015\04\07 还是 2015-04-07 11:10:36? 用24时制还是12时制?

这就用到了时间格式类:NSDateFormatter

1)将NSDate对象转成字符串

2)将字符串转成NSDate对象

总结:

1.结构体一般用CG前缀而不用NS,CG是跨平台的。

2.调用CG开头的函数需要添加CoreGraphics框架
3.NSMutable开头的类都是可变的,都是不带Mutable的类的子类

4.基本数据类型与OC对象的转换:NSValue/NSNumber

5.默认显示时间是0时区的时间,北京是东8区。时间格式化:NSDateFormatter


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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