杂物间

杂物间

遗忘,远比想象要快的多
这里记录一些零碎的,易错的知识点

try_catch_return

public static void main(String[] args) {
    System.out.println(getNum(0));  //-1
    System.out.println(getNum(1));  //2
}
执行结果:
catch
finally1
-1
try
finally2   2
finally3   99999
2

private static int getNum(int num){
    int i = -9999;
    try {
       i = 2/ num;
        System.out.println("try");
       return i;
    } catch (Exception e){
        System.out.println("catch");
        return 0;
    } finally {
        if (num == 0){
            System.out.println("finally1");
            return -1;
        } else {
            System.out.println("finally2   " + i);
            i = 99999;
            System.out.println("finally3   " + i);
            //return i;
        }
    }
}

总结:执行try,catch的return之前,会先执行finally中的代码,且finally中的return会被立即执行,但在finally中修改要return的变量,不会影响return结果。

2019-02-21

三目运算符

  1.  System.out.println(false?10.0:9)
     输出结果为9.0。
    
     三目运算中,java会进行类型自动转换,因为其中包含double10.0,故9会被转为9.0。
    
  2.  int i = 10;
     char x = 'x';
     System.out.println(false?i:x);
     System.out.println(false?10:x);
    
     输出结果为:
     120
     x
    
     第一个输出语句中,i为int变量,故char类型的x变量被转为int,字符'x'的ascii为120
     第二个输出语句中,10虽为int,但java规定,当int为字面量时,char不需类型转化,故为字符‘x’
    

问题的由来:

FileInputStream的构造方法

2019-03-07

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SIFT算法在杂物场景方面的应用主要是通过关键点的检测和匹配来实现目标识别和物体检测。在杂物场景下,图像中可能存在大量的噪声、背景干扰和目标形态变化等问题,这会影响到SIFT算法的关键点检测和匹配效果。 针对这种情况,可以采用以下方法: 1. 减少背景干扰:在杂物场景下,背景干扰会影响到关键点的检测和匹配效果,因此需要对图像进行预处理,减少背景干扰的影响。例如,可以使用图像分割算法将目标从背景中分离出来,或者使用图像增强算法增强目标的对比度和亮度等。 2. 增加关键点密度:在杂物场景下,目标可能存在多种变形和形态,因此需要增加关键点的密度,以确保能够检测到足够多的关键点。具体来说,可以在图像中采样多个尺度和方向的关键点,并计算每个关键点的描述子。 3. 局部特征匹配:在进行关键点匹配时,可以使用局部特征匹配的方法来提高匹配的准确性。具体来说,可以使用SIFT算法计算关键点的描述子,然后使用局部特征匹配算法来进行关键点匹配。这种方法可以提高关键点匹配的鲁棒性和可靠性。 4. 多尺度匹配:在杂物场景下,目标可能存在多种尺度和形态,因此需要使用多尺度匹配的方法来提高匹配的准确性。具体来说,可以使用多个尺度的匹配窗口来进行关键点匹配,从而找到最佳匹配结果。 综上所述,SIFT算法在杂物场景方面的应用可以通过减少背景干扰、增加关键点密度、局部特征匹配和多尺度匹配等方法来提高算法的稳定性和鲁棒性。这些方法可以使SIFT算法在杂物场景下仍能够准确地检测和匹配关键点,实现目标识别和物体检测。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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