模拟继承

在面向对象编程中,继承是最重要的特性之一。继承允许将一个父类特殊化或者扩展为几个子类,对于创建和维护对象也是极有用的。JavaScript提供的继承特性对于大多数的c++或者Java程序员来说可能不是很熟悉,然而它确实提供对继承的支持。


方法:

function Bird()
{
    this.feet =2;
    this.feathers =true;

    return true;
}

function Canary()
{
    this.color ="yellow";
    return true;
}

<strong>Canary.prototype =new Bird();</strong>

var tweety =new Canary();
var tweetyFeet =tweety.feet;
var tweetyColor =tweety.color;

变量tweetyFeet的值仍将为2,尽管上述代码中的tweety是Canary的一个实例,并且Canary不包含feet属性,不过该属性来自于Canary的原型对象,这个原型对象是Bird的一个新实例。

由于原型工作方式的特殊性,所有Canary的实例都将ke'yi共享Bird的一个实例作为其原型对象。通过原型暴露出来的属性和方法不能被任何对象实例重写。也就是如果为一个Canary对象的feet属性设置一个新值,那么那个值将作为那个实例的新属性存储起来,同时将原来的值隐藏起来,但是原来的那个值还存储在Bird的原型实例中。原型的属性和方法可以有效地担当默认只读值得角色,这些值也许随时都会被具体实例值所覆盖。



多重继承的实现

如果想要实现多重继承(一个类可能继承于多个类),可以使用一些自定义函数,但是这样做可能会给对象创建过程带来一定的负担。

讨论:

如果上面所讲的原型让人很头疼,那么还有另外一种简单的方法可以模拟继承。这种方法是,在子类的构造函数中直接执行父类的构造函数。不过为了使这种方法生效,必须先将父类的构造函数声明为子类的一个方法:

function Bird()
{
    this.feet =2;
    this.feathers =true;

    return true;
}

function Canary()
{
   <strong> this.superclass =Bird;
    this.superclass();</strong>

    this.color ="yellow";

    return true;
}

var tweety new Canary();
var tweetyFeet =tweety.feet;
var tweetyColor =tweety.color;

因为语句“this.superclass();”将会把Bird构造函数作为新的Canary对象的一个方法来调用,Bird内的this指的也是正在被Canary创建的新对象,所以“this.feet =2;”将会把feet属性添加到新的Canary对象中去。

这种方法只适用于所有子类的属性和方法都在构造函数中声明的情况。任何分配给Bird的原型对象的那些属性和方法在Canary实例中都将无法访问。

  • 1
    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