单例模式

单例模式详解(缺枚举)

      ps:第一次写博客,以后会更新自己了解的和工作中遇到的问题和学的新知识,每天积累一些,进步一点。加油!明天会更好,真好!2018.9.19

首先,什么是单例模式呢?其实,所谓单例呢,就是说将类实例化且只实例化一次,这样做的话,在以后的编程中的逻辑处理时,再次用到此单例模式实例化出的对象时,就都是对同一个对象进行操作了!

单例模式比较常见的有以下几种:

1.饿汉模式
2.懒汉模式
3.双重锁懒汉模式
4.静态内部类模式
1.饿汉模式
所谓饿汉模式,就是在程序刚开始的时候就将对象创建好了,等待别人调用。(就好像一个饿汉着急吃饭一样,十分迫切)
缺点:在没有使用到该对象的时候,该对象就被创建好了,浪费资源
public class Singleton {
	// 使用static变量,因为有静态方法会用到该对象
	private static Singleton singleton = new Singleton();
	// 必须是私有的构造方法,不然就被别人new了
	private Singleton() {};
	// 静态方法,获取Singleton的入口
	public static Singleton getNewInstance() {
		return singleton;
	}
}
2.懒汉模式
懒汉模式,只有当getNewInstance( )方法被调用的时候,才创建对象。(就好像一个懒汉一样,十分懒惰)
缺点:在单线程访问该单例模式时,不会发生什么问题,但是在多线程同时访问该单例模式时,就可能会发生,重复创建对象的问题
public class Singleton {
	// 使用static变量,因为有静态方法会用到该引用
	private static Singleton singleton = null;
	// 必须是私有的构造方法,不然就被别人new了
	private Singleton() {};
	// 静态方法,获取Singleton的入口
	public static Singleton getNewInstance() {
		// 该方法第一次被调用是,才创建对象
		if (singleton == null) {
			singleton = new Singleton();
		}
		return singleton;
	}
}
3.双重锁懒汉模式
为了解决懒汉的不安全问题,我们引入了锁的概念,当第一个线程进到加锁的区域之后,该锁会阻塞其他的线程进入,直到该线程完成任务,该锁释放。
缺点:加入锁之后,线程安全了,但是随之带来的是由于线程阻塞而导致的时间的增加;(在以后的学习中,你会发现,要么用时间换安全性,要么用安全性换时间,所有事情都不是十全十美的)
volatile关键字有两个作用(1)禁止了线程直接从cpu缓存中读取数据 而是读取最新从内存中取出的数据(2)禁止指令重排
public class Singleton {
	// volatile关键字  防止出现DCL失效问题
	private  volatile static Singleton singleton = null;
	// 必须是私有的构造方法,不然就被别人new了
	private Singleton() {};
	// 静态方法,获取Singleton的入口
	public static Singleton getNewInstance() {
		// 判断对象是否为null
		if (singleton == null) {
			// 对该区域加锁,只让一个线程进入
			synchronized (Singleton.class) {
				// 再次判断,防止该对象已被实例化
				if (singleton == null) {
					singleton = new Singleton();
				}
			}
		}
		return singleton;
	}
}
4.静态内部类模式
java虚拟机可以保证在一个类加载过程中,不受其他线程干扰,利用这一特性,可以实现单例模式
class Singleton{
private static class SingletonInner{
private static Singleton singleton = new Singleton();
} 
public static Singleton getInstance(){
return SingletonInner.singleton;
}
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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