面向对象小结

什么是对象?
对象是存在的具体实体,具有明确定义的特征和行为。“万物皆对象,对象阴我关注而产生”。
面对对象:
一种认识事物的方式,注重对事物整体的认知,最符合人类的思维习惯。
类:是具有相同属性和行为的一组对象的集合。类是对象的抽象,对象是类的实例。
在软件系统中,我们用来模拟现实生活中的实例。
怎么创建一个类;
public class man{
public String name;…..}
其中,属性是对象的特征,每个对象都有自己独立的属性值。一个对象的属性发生变化,不会影响另一个对象的属性。属性是封装在对象之中的变量,是对象的成员,属性也叫成员变量。
null :一个对象没有志向任何对象,也就是说没有存放任何对象的地址,对null进行属性和方法的调用会抛出空指针异常。比如:n1=null 说明n1变量没有存放引用地址。
如果一个对象没有被变量所指向,那么该对象就符合                                                      垃圾回收的条件。
 静态变量和成员变量的区别:
1成员变量是对象的组成部分,每个对象有不同的成员变量。当一个对象成员变量改变后,不会影响其他对象。
静态变量是独立的对象之外的,很对对象共享一个静态变量。当静态变量发生改变后,会影响所有对象。
2 静态变量加载的时机在对象之前,二成员变量随对象产生而产生。
3 成员变量的访问只能通过对象. 的方式访问, 静态变量可以通过对象. 和类名 . 的方式。
  • 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