二进制的原码补码和反码

数据在计算机是以二进制的形式来存储的,按照数据的补码来存储的。
正数的原码、反码、补码都是相同的。负数的补码就是它的相反数的原码的各个位取反后,再+1得到的。0的原码,补码都为0。
1个字节可以表示2的8次方=256个数,按照正负数划分就把它表示成范围:-128-127。
二进制的八位数里边用最高位表示符号位,最高位是0则表示正数,最高位是1则表示负数,其余7位用来存储数值大小,可以表示128个数的绝对值,加上正负两种情况,128×2=256个数。但是0在计算机中储存为00000000,所以正数无法到达128,对于正数,从00000001到01111111依次表示1到127。因而这些数在计算机中存储对应的二进制码就是这些数的原码。从10000000到11111111依次表示-128到-1。负整数在计算机中是以补码形式储存的,补码就是反码再+1。反码就是把负数的原码(负数的原码和它的绝对值所对应的原码相同,也就是绝对值相同的两个数他们的原码相同)各个位按位取反(1换成0,0换成1)例如-1的原码是00000001,和他的绝对值1的原码相同,则-1的反码就是11111110,而补码就是在反码的基础上再加1,即-1的补码是11111110+1=11111111,所以,-1在计算机中存储的二进制码为11111111。

转载于:https://www.cnblogs.com/zjl-0217/p/9753422.html

  • 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,即定位出图像中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:判断图像中的目标属于哪个类别。 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,直接在网络中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