Java基础语法

java基础语法

注释

  1. 单行注释 ://后接注释只有一行
  2. 多行注释:/可以注释一段文字/

标识符

Java所有组成部分都需要名字、类名、变量名以及方法名都被称为标识符。

标识符注意点

  • 所有标识符都应该以字母(AZ或者az),美元符($),或者下划线(_)作为首字母

  • 首字母之后可以是字母(AZ或者az),美元符($),或者下划线(_)或数字的任何字符组合

  • 不能使用关键字作为变量名和方法

    关键字

    1

  • 标识符是大小敏感

  • 可以使用中文命名,但一般不建议使用,也不使用拼音

数据类型

  • 强类型语言(优势:严谨,比较安全 劣势:速度慢)

    • 要求变量的使用要严格符合规定,所有的变量都必须先定义后才能使用
  • 弱类型语言

  • Java的数据类型分为两大类

    • 基本类型

      2

      1. 什么是字节

        • 位(bit):是计算机内部数据储存的最小单位,1100100是—一个八位进制数。
        • 字节(byte):是计算机中数据处理的基本单位,习惯上用大写B来表示
        • 1B(byte,字节)=8bit(位)
        • 字符:是指计算机中使用的字母、数字、字和符号
          • 1bit表示1位,
          • 1Byte表示一个字节1B=8b。
          • 1024B=1KB
          • 1024KB=1M
          • 1024M=1G
          • 1024G=1TB
      2. 整数多用Int

      3. 有小数点的也就是浮点数多用double

      4. Boolean对接我们现实生活中的是非对错,占一位值只有true(对)和false(错)

      5. 使用格式

        3)

    • 引用类型(基本类型以外的都是引用类型)

      类型转换

      • 由于Java是强类型语言,所以要进行有些运算的时候,需要用到类型转换。

        低---------------------------------------高
        byte,short,char -> int -> long -> float -> double
        
      • 运算中,不同类型的数据先转换为同一类型,然后进行运算。

      public class demo05 {
          public static void main(String[] args) {
              int i = 128;
              double b = i;//内存溢出
      
              //强制转换(类型)变量名   高——低
              //自动转换   低——高
      
              System.out.println(i);
              System.out.println(b);
      
              /*
              注意点:
              1.不能对布尔值转换
              2.不能把对象类型转换为不相干的类型
              3.在把高容量转换到低容量的时候,强制转换
              4.转换的时候可能存在内存溢出,或者精度问题!
               */
      
              System.out.println("====================");
              System.out.println((int)23.7);
              System.out.println((int)-45.89f);
      
      
          }
      }
      
      
      public class demo06 {
          public static void main(String[] args) {
              //错作比较大的数的时候,注意溢出问题
              //JDK7新特性,数字之间可以用下划线分割
              int money = 10_0000_0000;
              int years = 20;
              int total1 = money*years;//-1474836480,计算的时候已经溢出了
              long total2 = money*years;//默认是int,转化long之前已经存在问题了
      
              long total3 = money*((long)years);//先把一个数转换为Long
              System.out.println(total3);
      
      
          }
      }
      
      
  • 0
    点赞
  • 1
    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)的任务是找出图像中所有感兴趣的目标(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。首先检测图像中目标的位置(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),表示边界框中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)从输入图像中提取特征,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 中进行分类,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中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,选中值最大的框 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) 从未处理的框中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中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