C++学习笔记

C++笔记
C++ cctype模块:

函数名称返回值
isalnum(num)如果参数是字母数字,即字母或数字,该函数返回true
isalpha(num)如果参数是字母,该函数返回true
iscntrl(num)如果参数是控制字符,该函数返回true
isdigit(num)如果参数是数字(0~9),该函数返回true
isgraph(num)如果参数是除空格之外的打印字符,该函数返回true
islower(num)如果参数是小写字母,该函数返回ture
isprint(num)如果参数是打印字符(包括空格),该函数返回true
ispunct(num)如果参数是标点符号,该函数返回ture
isspace(num)如果参数是标准空白字符,如空格、进纸、换行符、回车、回车、水平制表符或者垂直制表符,该函数返回true
isupper(num)如果参数是大写字母,该函数返回true
isxdigit(num)如果参数是十六进制数字,即0~9、a~f或A~F,该函数返回true
tolower(num)如果参数是大写字符,则返回其小写,否则返回该参数
toupper(num)如果参数是小写字符,则返回其大写,否则返回该参数

字符数组的赋值
头文件cstring中提供了相应的函数:
函数strcpy(charr1, charr2):将字符数组charr2中的字符串复制到字符数组charr1中,charr1和charr2分别是两个数组的第一个元素的地址。
函数strcat(charr1, charr2):将字符数组charr2中的字符串附加到字符数组charr1末尾,charr1和charr2分别是两个数组的第一个元素的地址。
但是字符数组总存在目标数组过小,无法储存指定信息的危险,如:
char site[10] = “house”;
strcat(site, ” of pancakes”);
函数strcat()试图将全部12个字符复制到数组site中,这将覆盖相邻的内存。这可能导致程序终止,或者程序继续运行,但数据损坏。
确定字符数组中字符数:int len = strlen(charr1)
string对象:
头文件string,且string类位于命名空间std中,需使用一条using编译指令,或者使用std::string来引用。
string对象可以自动调整大小,如:
string str1;
cin >> str1;
srt1的声明创建一个长度为0的string对象,但程序将输入读取到str1中,将自动调整str1的大小。
赋值、拼接和附加:

可以将一个string对象赋给另一个string对象:
string str1;
string str2 = “asdasda”;
str1 = str2;

可以使用”+”将两个string对象合并起来,还可以使用运算符“+=”将字符串附加到string对象末尾:
string str3;
str3 = str1 + str2;
str1 += str2;

确定string对象中的字符数:
int len = str.size();

const 和指针:

第一种情况:
int age = 39;
const int* pt = &age;
在这条声明中,const指令能够防止修改pt指向的值(即age),但是不能防止修改pt的值。换句话说,可以将一个新地址赋给pt:
int sloth = 80;
pt = &sloth;

第二种情况:
int sloth = 3;
int* const finger = &sloth;
这种声明格式使得finger只能指向sloth,但是可以通过*finger来改变变量sloth的值。

  • 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