黑马程序员—GUI

GUI:Graphical User Interface 图形用户接口

CLI:Command Uesr Interface 命令行用户接口,比如常见的Dos命令行操作

AWT:Abstract Window ToolKit  抽象窗口工具包

Swing:在AWT的基础上建立的一套图形界面系统

GUI继承关系图

[html]  view plain copy
  1. package Base;  
  2.   
  3. import java.awt.Button;  
  4. import java.awt.FlowLayout;  
  5. import java.awt.Frame;  
  6. import java.awt.TextArea;  
  7. import java.awt.TextField;  
  8. import java.awt.event.ActionEvent;  
  9. import java.awt.event.ActionListener;  
  10. import java.awt.event.WindowAdapter;  
  11. import java.awt.event.WindowEvent;  
  12.   
  13.   
  14.   
  15. public class MyWindowDemo   
  16. {  
  17.     //定义成员变量  
  18.     private Frame f;//窗口  
  19.     private TextField tf;//文本行  
  20.     private Button zhuandaoButton,exitButton;//按钮  
  21.     private TextArea ta;//文本区域  
  22.   
  23.     MyWindowDemo()  
  24.     {  
  25.         init();  
  26.     }  
  27.   
  28.     public void init()  
  29.     {  
  30.         //顶一个窗口  
  31.         f = new Frame("my window");  
  32.   
  33.         //对frame进行基本设置  
  34.         //长宽高低  
  35.         f.setBounds(300,100,500,300);  
  36.         //设置布局管理器  
  37.         f.setLayout(new FlowLayout());  
  38.           
  39.         tf=new TextField(50);  
  40.   
  41.         zhuandaoButton = new Button("转到");  
  42.         exitButton = new Button("退出");  
  43.           
  44.         ta = new TextArea(10,60);  
  45.   
  46.         //将组建添加到f中  
  47.         f.add(tf);  
  48.         f.add(zhuandaoButton);  
  49.         f.add(exitButton);  
  50.         f.add(ta);  
  51.   
  52.         //加载窗体上的事件  
  53.         myEvent();  
  54.   
  55.         //显示窗体  
  56.         f.setVisible(true);  
  57.     }  
  58.   
  59.     private void myEvent()  
  60.     {  
  61.         //定义事件,点击exitButton,就退出  
  62.         exitButton.addActionListener(new ActionListener()  
  63.         {  
  64.             public void actionPerformed(ActionEvent e)  
  65.             {  
  66.                 System.exit(0);  
  67.             }  
  68.         });  
  69.         //点击zhuandaoButton按钮,就会将文本行中的数据添加到文本区域中  
  70.         zhuandaoButton.addActionListener(new ActionListener()  
  71.         {  
  72.             public void actionPerformed(ActionEvent e)  
  73.             {  
  74.                 //tf.getText("");  
  75.                 String text = tf.getText();  
  76.                 //System.out.println(text);  
  77.                 ta.append(text);  
  78.                 ta.append("");  
  79.   
  80.             }  
  81.         });  
  82.   
  83.         //关闭事件  
  84.         f.addWindowListener(new WindowAdapter()  
  85.         {  
  86.             public void windowClosing(WindowEvent e)  
  87.             {  
  88.                 System.exit(0);  
  89.             }  
  90.               
  91.         });  
  92.     }  
  93.     public static void main(String[] args)   
  94.     {  
  95.         new MyWindowDemo();  
  96.       
  97.     }  
  98.   
  99.     /*public static void showFrame()  
  100.     {  
  101.         Frame f = new Frame("对话框");  
  102.         f.setBounds(300,200,500,300);  
  103.         f.setLayout(new FlowLayout());  
  104.         Dialog d = new Dialog(f,true);  
  105.         Button button = new Button("转到");  
  106.         f.add(d);  
  107.         f.add(button);  
  108.         f.setVisible(true);  
  109.     }  
  110.     */  
  111. }  

  • 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