038类和对象:继承

父类:被继承的类
子类:继承的类

>>> class parent:
	def hello(self):
		print("正在调用父类的方法")

		
>>> class child(parent):
	pass

>>> p = parent()
>>> p.hello()
正在调用父类的方法
>>> c = child()
>>> c.hello()
正在调用父类的方法
import random as r  #先引用random

class Fish:          #定义一个父类Fish
    def __init__(self):#定义一个子类self
        self.x = r.randint(0,10)
        self.y = r.randint(0,10)

    def move(self):
        self.x -= 1
        print("我的位置是:",self.x,self.y)

class Goldfish(Fish):
    pass

class Crap(Fish):
    pass

class Salmon(Fish):
    pass

class Shark(Fish):    #虽然继承了Fish,但是后面重新定义就覆盖了
    def _init_(self):
        Fish.__init__(self)  #所以要引用上一个子类
        self.hungry = True

    def eat(self):
        if self.hungry:
            print("吃货的梦想就是天天有的吃")
            self.hungry = False
        else:
            print("太撑了,吃不下了")

使用super函数后

import random as r  #先引用random

class Fish:          #定义一个父类Fish
    def __init__(self):#定义一个子类self
        self.x = r.randint(0,10)
        self.y = r.randint(0,10)

    def move(self):
        self.x -= 1
        print("我的位置是:",self.x,self.y)

class Goldfish(Fish):
    pass

class Crap(Fish):
    pass

class Salmon(Fish):
    pass

class Shark(Fish):    #虽然继承了Fish,但是后面重新定义就覆盖了
    def _init_(self):
        super().__init__()  #使用super函数引用
        self.hungry = True

    def eat(self):
        if self.hungry:
            print("吃货的梦想就是天天有的吃")
            self.hungry = False
        else:
            print("太撑了,吃不下了")


>>> shark = Shark()
>>> shark.move()
我的位置是: 3 1


多重继承(尽量避免使用,会产生不可预见的bug)

>>> c = c()
>>> c.fool()
我是base1
>>> class base1:
	def foo1(self):
		print("我是base1")

		
>>> class base2:
	def foo2(self):
		print("我是base2")

		
>>> class c(base1,base2):
	pass
>>> c = c()
>>> c.foo1()
我是base1
>>> c.foo2()
我是base2
  • 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