JAVA从入门到精通(一)

  1. 类class(集合):类是模子,确定对象拥有的特征(属性)和行为(方法);类是对象的类型,具有相同属性和方法的对象的集合。
  2. 属性:对象所拥有的特征。有什么
  3. 方法:对象能执行的操作。做什么
  4. 创建对象: 类名 对象名 = new 类名() 如:Telphone phone = new Telphone(); //对象实例化,创建phone对象。
  5. 使用对象
  6. 使用对象的属性:对象名.属性 phone.screen = 5;  //给对象赋值
  7. 引用对象的方法:对象名.方法名(); phone.call();  //调用call方法
  8. 变量分为成员变量与局部变量,成员变量在类中定义。局部变量在一个方法中定义,出了方法后就不起作用了。成员变量会被赋初始值0,局部变量不会被赋初始值。局部变量优先
  9. 成员方法:没有返回值,且用void修饰。
  10. 权限修饰符:private(私有的)、public(公共的)、protected(受保护的)。 类的权限设定会约束类成员的权限!!!
  11. 类的构造方法:每当实例化一个对象时,就需要用构造方法。①与类名相同。②没有返回值。③创建对象使用构造方法。
  12. 抽象类: abstract关键字定义,①不知道具体怎么实现时,可以用抽象类。②约束子类必须有哪些特征。③抽象类没有方法体,以分号结束!
  13. 修饰符 返回值类型 方法名(参数类型 参数名){语句块}

 

  • 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