C++函数对象

原文
  标准库里的count_if可以统计容器中满足特定条件的元素的个数。例如要统计vector ivec中正数的个数,可以先写一个返回类型为bool,含有一个int参数的条件函数:

  bool pred(int val)
  {
    return val > 0;
  }

  之后可以用count_if(ivec,begin(), ivec.end(), pred)计算出正整数的个数。但是这个方法有一个明显的缺陷:如果要统计出大于10、大于100的个数…就要写很多个类似的函数,能不能进一步抽象?如果能像这样调用count_if(ivec.begin(), ivec.end(), pred(n)),就能统计出容器里大于n的个数,那该多好啊。函数对象提供了这样一种机制。
  简单的来说,函数对象就是一个重载了()操作符的对象,它可以像一个函数一样使用。例如这个Add类:

  class Add
  {
  public:
    int operator()(int v1, int v2)
    {
      return v1 + v2;
    }
  };

  它能够进行加法运算:
  int a = 2, b =3;
  Add add;
  cout<<add(a, b)<<endl;
  结果为5。那么这种机制是怎么应用在刚才的问题上的呢?因为count_if的第三个参数是一个“接收一个参数的函数”,所以可以通过一个构造函数将这个参数传到对象里,由count_if调用这个函数对象:

  class Pred
  {
  private:
    int _val;
  public:
    Pred(int val):_val(val){}
    bool operator()(int val)
    {
      return val > _val;
    }
  };

  于是要统计大于100的个数,就可以写成count_if(ivec.begin(), ivec.end(), Pred(100))。Pred(100)构造一个函数对象,count_if把这个函数对象依次应用到容器中的每一个元素上。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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