运算符的分类

Ø 算术运算符

 

算术运算符

+

加法

-

减法

*

乘法

/

除法

%

求余

++

自增

--

自减

Ø 赋值运算符

赋值运算符

=

等于号

+=

加等于

-=

减等于

*=

乘等于

/=

除等于

%=

取模等于

Ø 比较运算符

比较运算符

==

相等

大于

小于

>=

大于等于

<=

小于等于

!=

不等于

Ø 逻辑运算符 

&& 逻辑与 并且

遇false则false,只有2边同时为true,才为true

||  逻辑或 或者

遇true则true,只有2边同时为false,才为false

!逻辑非  取反 

true变false  false变true

 

注意

1.逻辑运算符的2边一定要是boolean类型的值,或者是结果为boolean类型的表达式

2.逻辑表达式的结果是boolean类型的数据

注意逻辑运算符的短路问题:

逻辑与: 如果左边为false,那么逻辑与运算符的右边就不会运算

逻辑或: 如果左边为true,那么逻辑或运算符的右边就不会运算

 

Ø 三元运算符

格式:

数据类型 变量名  =  布尔类型表达式? 结果1 : 结果2;

 

三元运算符计算方式:

- 布尔类型表达式结果是true,三元运算符整体结果为结果1,赋值给变量。

- 布尔类型表达式结果是false,三元运算符整体结果为结果2,赋值给变量。

 

 

运算符的优先级

自增自减运算符 > 算术运算符 > 比较运算符 > 逻辑运算符 > 三元运算符 > 赋值运算符

 

转载于:https://www.cnblogs.com/libinhong/p/10988486.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: 分类问题: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、算法分类 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