面向对象及继承基础篇

什么是面向过程?

面向过程如C语言,就是把要实现的功能分成很多模块,就是函数,每个函数就是一个功能,可能被多次调用。面向过程以过程为中心的编程思想,分析解决问题的步骤,然后用函数把步骤一步步实现。

什么是面向对象?

JAVA是纯面向对象,C++既可以面向对象也可以面向过程

把要实现的功能打包封装成一个类,类里面有他的属性和函数方法,用类定义对象,比面向过程更加抽象,将问题结构化处理,更抽象。比如人是一个类,我就是类中的一个实例,是个对象,人这个类中有属性,比如高矮,胖瘦,男女等,同样人也有行为,比如吃饭走路,上班,谈恋爱

注意:面向对象和面向过程不是对立的,是各有用途,互为补充

面向对象的特点封装,继承,多态
封装 面向接口的编程

隐藏对象的属性和实现细节,仅对外公开接口,C++就是把客观事物封装成抽象的类,并且这个类只让可信的类或对象访问自己的数据和方法,对其他类 隐藏细节,使代码模块化

类的访问修饰符:

  1. public:所有人都可以访问
  2. protected:只有本类和本类的子类类中的成员函数可以访问
  3. private:只有本类成员函数可以访问
继承的概念

代码重用,让子类拥有父类的属性和方法,也可以定义子类自己特有的属性或方法或重新定义父类的方法,(子类拥有父类的函数跟成员变量,并且有自己的属性(成员变量)和方法(函数))

子类继承了父类所有的数据成员和除构造函数和析构函数之外的函数成员,注意:构造函数和析构函数不能被继承,但是在子类初始化的时候还是被调用,先调用父类的构造函数再调用子类的构造函数

(构造函数和析构函数的功能决定了不能被继承,因为他们位于对象创建和销毁的时候,构造函数时用来产生对象的,在对象之前,而对子类来说继承是对象调用父类的函数,如果对象都不存在则就没办法调用了)

继承的权限

无论哪种权限,父类中private的成员都对子类不可见,不可直接访问 (未指定的情况下编辑器会默认继承方式为protected或private)

  1. 公有继承:父类的public和protected成员在子类中仍是public和protected成员,表示访问属性不改变(子类内成员可以直接访问,类外只能通过子类的对象访问)

  2. 保护继承:父类的public和protected成员在子类中都变成protected权限,访问属性全部改成保护

  3. 私有继承:父类的public和protected成员在子类都变成private权限,访问属性全部变成私有

  4. 使用using声明可以改变父类成员在子类的访问属性,改为private或protected

using book::setprice;book是父类,这条语句写在子类private里面
setprice是父类的public成员函数,这样声明后public属性转为private属性
继承的一些知识点
  1. 如果子类定义了跟父类同名的成员变量或者函数,那么新增的这个变量或者函数就会遮蔽掉父类继承来的,如果要调用父类的,就要用类名::函数名
  2. 继承可以直接继承也可以间接继承,比如A继承B,C继承A,那么C也继承B
  3. 子类中没有新增的成员变量,子类就不需要新增构造函数,创建子类对象时直接调用父类的构造函数
  4. 当子类有构造函数时,初始化顺序还是先调用父类的构造函数进行初始化,再调用子类的构造函数, 构造函数的调用顺序是按照继承的层次,自顶向下,从父类到子类
  5. 继承会破坏包装,父类实现细节暴露给子类,而且继承是一种类与类之间的强耦合的关系,当两个类的关系是is–a,可以考虑用继承,但继承并不是越多越好
  6. 子类的构造函数可以自己调用父类默认的构造函数,前提是默认构造函数存在,但是如果我们定义了带参的构造函数,系统就不会自动生成默认构造函数,子类就没办法调用,解决办法我们在定义类的时候都定义一个默认构造函数,第二就是子类的每一个构造函数都显示的调用基类的构造函数
codebook()::book(){z=0};
codebook(int a)::book(a,b){z = c};//显示调用,用::符号后面跟父类的构造函数
虚继承解决菱形继承
  1. 一个子类可以有多个父类就是多继承,多继承要注意命名冲突的问题
  2. 菱形继承,会产生命名冲突,因为最后菱形底部的那个类会继承来自顶部类的两份成员变量和成员函数,产生冲突,C++提供了虚继承解决这个问题
  3. 虚继承只需在继承属性前面加上virtual关键字就可以
  4. 虚继承的目的是让某个类作出声明,承诺愿意共享他的父类,共享的父类子对象成为虚基类,这样不管虚基类继承了多少次,在派生类中都只包含唯一一个共享的虚基类子对象
  5. 虚基类中构造函数的顺序,首先构造虚基类本身爸爸类,然后是儿子1类,然后儿子2类,最后是孙子类,如果有非虚基类的话,放到虚基类后面,比如如果增加一个妈妈类,就放到儿子2的后面,孙子的前面
class Dad{}
class Son1 : virtual public Dad{}
class Son2 : virtual public Dad{}
class Grandson : public Son1, public Son2, public Mom{}

以上就是一个简单的虚基类,virtual说明了一种愿望,即在后续的子类中共享虚基类的一份实例.
上述例子中孙子通过儿子1和儿子2继承了爸爸,因为儿子1和儿子2都是虚继承,所以孙子里面只有一个爸爸基类的部分

  • 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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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
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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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
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:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 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