放大模式

放大模式

模块化开发

//init的方式:
onload或其他
fun init(){
    initXXX();
}
var initXXX = (function(){
    function init(){
        bindEvent();
    }
    function bindEvent(){
        
    }
    return function(){
        init();
    }
})();

//直接抛出对象的方式 用的比较多
var text = (function(){
    var text1 = function(){},
        text2 = function(){},
        text3 = function(){};
    return {
        text1: text1,
        text2: text2,
        text3: text3
    }
})();

注意事项:
1. 模块里面使用全局变量的时候,必须使用注入的方式。
  (如使用全局global,要传参进去使用)

放大模式 || 宽放大模式

// augmentation 放大模式 -> 用注入形式实现模块间依赖
// loose augmentation 宽放大模式
要点:
1. 宽放大模式注入自身,且return处理后的自身
2. 放大模式注入其他对象,使用其方法。

两种放大模式的用途:
1.多人开发同一个模块时,return自身  ==》 宽放大模式
var mod = {};
mod = (function(module){
    module.a = 1;       //注入自身,写好方法时又返回自身
    module.test1 = function(){};
    return module;
})(mod || {});

2. 实现模块的继承 ==> 放大模式
//模块间的依赖,用模块间注入的形式
var mod2 = (function(mod1){
    mod1.test1();
})(mod1);

紧放大模式(选学)

用得少,
  • 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