协议如何运作

面向对象编程的一大好处就是封装。可以使用各种行为来组建应用程序,而这些行为能分为不同但又可以起互动的组件,为这些组件创建对象。

组件可能是一些界面或视图。其他的组件可能是底层的数据或模型的一部分。还有一些事控制器,用于将视图和数据关联起来。但是这些区分并不足够。当创建更多的应用程序时,你会发现自己一遍又一遍的重复做同样类型的事情。

例如,存在一系列相关的屏幕:一个屏幕显示一组数据对象,如Car对象;另一个屏幕显示某个对象的细节,如car detail视图;还有一个屏幕让你编辑该车的属性,如make或year。

哎哟解决该问题,首选也是最经典的方式,是在对象和相关的屏幕中设置引用。详情屏幕(detail screen)会有概览(overview)的引用,属性编译器会拥有到详情屏幕的引用,等等。

然后每个类都实现方法,让另外的类调用。概览视图会有一个方法用于更新一辆汽车。详情视图也会有类似的目的方法。详情视图有一个方法用于更新字段。很快到最后,代码会像一碗意大利面,充斥着各种相互关联的方法、属性和屏幕。某个地方的改动会对其他地方造成重要的影响。代码不灵活而且难以维护。更糟糕的是,类开始明确针对它们所要显示的数据,所以用的一组类以及界面流。这些都不可重用。

使用协议是修复该问题的好方法。协议定义一种类型的对象如何与另一种类型的对象交流:我需要何种信息?我将发送何种信息和状态?以及我能实现何种行为?协议也可以具体致命,代理必须实现哪儿些消息以及哪儿些消息是可选的。

使用协议允许清理这碗意大利面,并且很容易做出变更,因为你知道具体哪儿个类、屏幕或对象如何与另一个交流。可以更改协议的供给者或使用者的整个实现部分的代码,只要他们都遵循该协议即可,并且随着深入,你会开始将常见的需求抽取为类,从而能能在多个项目中重用。

使用协议让这些变得更简单,尤其是在你注意到对象是协议的代理,或是协议的实现而非只是协议时。

  • 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