[软构博客] 一篇轻松吃透java中构造器Constructor ^_^

含义

构造器是创建对象的重要途径。对于java类,都至少要包含一个构造器。
(如果在一个类中,程序员并没有编写任何构造器,那么系统会自动默认给该类提供一个无参数的构造器)

作用

在创建对象的同时对其进行初始化。

创建

系统默认提供的构造器是无参数的、执行体为空,大概长这样子。

public class girl
{
	private String name;
	private boolean isSimple;
	private float height;
	public girl(){}
}

这种系统提供的默认的构造器是在创建对象的时候会进行默认的初始化,将数值型的实例对象初始化为0,将布尔类型的实例变量初始化为false,将所有引用类型(当然包括string 和char类型啦~)初始化为null。

要想改变这种系统默认的初始化,在创建对象的时候,能够初始化为我们想要的值,那么就需要我们自己编写构造器啦。
大概长这样子。

public class girl
{
	private String name;
	private boolean isSimple;
	private float height;
	public girl(int height,String name,boolean a)
	{
		this.name = name;
		this.isSimple = a;
		this.height = height; 
	}
}

注意在某类中自己进行定义了构造器之后,系统便不会再自动默认为你提供的构造器了。(系统只是“补救”)

构造器的可爱模样:public 类名(参数){}
注意想一想为啥要使用Public呢?
是因为使用Public 进行限定,使得其能够系统的任何位置的类创建该类的对象。

重载

那么如果比较贪婪,两个都好好哦,我都想要,怎么办?
很简单,自己创造呗,自己再写一个默认的构造器就是了~
大概长这样子

public class girl
{
	private String name;
	private boolean isSimple;
	private float height;
	public girl(){};
	public girl(int height,String name,boolean a)
	{
		this.name = name;
		this.isSimple = a;
		this.height = height; 
	}
}

相应的我们还可以写、增加其他的构造器(毕竟女孩子怎么能够只有一两种构造的方式呢o( ̄︶ ̄)o)
就像函数重载一样,变换一下参数的数目和类型,就可以得到新的构造器了,这就是构造器的重载。

使用

说完了构造器的创建,下面看看我们如何使用构造器创建相应类的对象。那就要用到new关键字了。
构造器不能够直接被调用,构造器必须使用new关键字来进行调用。

大概长这个样子

public static void main(String[] args)
{
	girl love = new girl(1.68,Fiona,true);
}

下面来让我们深刻的认识一下这条语句。
当使用new关键字调用构造器的时候,系统会先为该对象分配内存空间,并为这个对象进行默认的初始化,而这些操作的完成了,之后再进行构造器内部语句的执行。也就是说在执行构造器的执行体之前,系统就已经创建了一个对象,只是这个对象不能够被外部程序访问,只能够在构造器内部通过this来进行引用。当执行完相关的初始赋值语句之后,这个对象就会作为构造器的返回值返回。通过赋值给另一个引用类型的变量,从而使得外部程序能够访问该对象。

反映到上面这个例子上来,就是系统先进行创建了girl对象,并进行分配了相应的内存空间,之后进行执行构造器内部的语句对其进行初始化赋值,之后将这个对象返回给定义的引用变量love。(也就是让love指向这片内存空间)

特别

想一下,在构造器重载的时候,如果一个要新增的构造器里面的语句完全包含了之前一个构造器的语句,怎么办?如下图:
在这里插入图片描述

当然可以再重写一边,但是这也太笨了点 o(╥﹏╥)o
高颜值写法如下(见注释部分语句):

public class girl
{
	private String name;
	private boolean isSimple;
	private float height;
	private int weight;
	public girl(){};
	public girl(int height,String name,boolean a)
	{
		this.name = name;
		this.isSimple = a;
		this.height = height; 
	}
	public girl(String name,boolean aa,int h,int w)
	{
		this(h,name,aa);//调用上一个构造器进行初始化。
		this.weight = w;
	}
}

使用this关键字来调用相应的构造器。
那么想一下可不可以用new 关键字来进行调用之前的构造器进行创建呢?
不能,因为使用new来调用的话,会导致系统重新创建一个对象,对那个对象进行初始化,而不是对这个构造器本身的那个对象进行初始化,所以不能。因此java才提供this关键字来进行调用相应的构造器,既能调用之前定义的构造器使用,又不会重新创建一个java对象。

  • 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 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