设计模式_工厂模式

(以打印机为例子)

结构:

有一个主类:定义一个

一个接口:用来声明共同的方法的

3个类:

创造打印机的类:

宏碁的打印机类,继承了接口:

打印机的类:里面有三个方法(输入,更新,和输出)


实现:

实现了输入第一台打印机的时候,调用创建打印机的类中的方法,返回创建宏碁的类的对象赋给接口的引用。如果这个引用不空,则调用pc类的构造函数把创建的打印机赋给自身的打印机对象,把这个Pc的对象调用它自身的输入数据这个方法,输入MAX个数据。调用output这个方法的时候,输出这个数组的最大值。


目的:

把打印机这个东西封装在计算机里面,通过接口来获取对象。最后用计算机这个对象来操作打印机。


//有多台打印机
//有一台电脑
//打印工厂
//测试类
import java.util.Scanner;

public class PrintTest {
	public static void main( String[] args ){
		//测试
		Scanner sc = new Scanner( System.in );
		System.out.print( "请选择你要的打印机: " );
		int op = sc.nextInt();
		Printer out = FactoryPrint.getPrinter( op );
		Pc pc;
		if( out!=null ){
			pc = new Pc( out );
			pc.getData();
			pc.output();   //输出数据
		}		
	}  
}

//职能: 创造打印机
class FactoryPrint{
	public static Printer getPrinter( int i ){
		Printer out = null;
		switch( i ){
			case 1:
				out = new AcerPrinter();
			break;
		}
		return out;
	}
}

//输出器
interface Printer{
	public void print( int[] ary );    //抽象方法
}

class AcerPrinter implements Printer{
	public void print( int[] ary ){
		int max = ary[ 0 ];
		for( int i=1; i<ary.length; i++ ){
			if( max < ary[i] )
				max = ary[i];
		}
		System.out.println( "max = "+ max );
	}
}

class Pc {
	private Printer out;    //打印机
	final int MAX = 5;
	int[] data = new int[ MAX ];    //把数据存到这里	
	public Pc( Printer out ){
		this.out = out;
	}
	//输入数据
	public void getData( ){
		Scanner sc = new Scanner( System.in );
		for( int i=0; i<MAX; i++ ){
			data[i] = sc.nextInt();
		}
	}
	public void updateData(){
		//没有实现
	}
	public void output(){
		out.print( data );
	}
}



  • 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别。由于各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: 分问题:判断图像中的目标属于哪个别。 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 基于深度学习的目标检测算法主要分为两大: 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。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