command - 对象行为型模式

       1.意图
        将一个请求封装为一个对象,从而使你可以用不同的请求对客户进行参数化;对请求
        排队或者记录请求日志以及支持可撤销的操作
        2.参与者
        Command - 声明执行操作的接口
        ConcreteCommand -将一个接收者对象绑定于一个对象
                        -调用接收者相应的操作以实现Execute
        Client  - 创建一个具体命令对象并设定它的接收者
        Invoker - 要求该命令执行这个请求
        Receiver - 知道如何实施与执行一个请求相关操作

        3.结构

4.代码

public interface Command {
  void execute();
}

public class NullCommand implements Command {

	@Override
	public void execute() {

	}

}

public class ConcreteCommandA implements Command {
	LightReceiver L;
	ConcreteCommandA(LightReceiver L){
		this.L = L;
	}
	@Override
	public void execute() {
		L.turnOff();

	}

}

public class ConcreteCommandB implements Command {
	LightReceiver L;
	ConcreteCommandB(LightReceiver L){
		this.L = L;
	}
	@Override
	public void execute() {
		L.turnOn();

	}

}

public class LightReceiver {
   public void turnOn(){
 	System.out.println("开灯");
  }
   public void turnOff(){
	System.out.println("关灯");
   }
}

public class Invoker {
	Command command = new NullCommand();

	public void setCommand(Command command) {
		this.command = command;
	}

	public void action() {
		command.execute();
	}

public class Client {
  public static void main(String[] args) {
	  LightReceiver lr = new LightReceiver();
	  ConcreteCommandA a = new ConcreteCommandA(lr);
	  ConcreteCommandB b = new ConcreteCommandB(lr);
	  Invoker invoker = new Invoker();
	  invoker.setCommand(a);
	  invoker.action();
	  invoker.setCommand(b);
	  invoker.action();
}
}

 

 




 

 

 

 

 

 



 

 

 

  • 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