面向对象需要掌握的重点都在这里了

1. 反射

通过字符串形式,导入模块
通过字符串的形式,去模块中寻找指定函数,并执行
反射: 根据字符串的形式去对象(某个模块)中操作它的成员

1.1 import 导入模块

1.2 getattr 获取属性

1.3 setattr 设置属性

1.4 hasattr 检测是否有对应的属性

1.5 delattr 删除属性

2. 面向对象编程

2.1 面向对象编程步骤

  • a. 定义类
    class 类名:
        def 方法1(self, bb):
            pass
    例如:
    class Person:
        def showName(self, name):
            return name
  • b. 根据类创建对象(创建一个类的实例)
    # 使用对象去执行类中的方法
    p1 = Person()
    p1.showName("小红")

2.2 self

  • self 是内部自动传入的参数,当对象被创建出来的时候,系统会自动把这个对象
    传入到内部方法的self形参上

class Person:

    def show_name(self, name):
        # <__main__.Person object at 0x107001400>
        print(self)
        return name

obj1 = Person()
print(obj1)  # <__main__.Person object at 0x107001400>
obj1.show_name("xiaoqiang")
obj2 = Person()
print(obj2)
obj2.show_name("xiaoli")

2.3 __init__初始化

  • 当调用类去创建一个对象的时候,会自动执行类中的__init__方法
  • 可以在__init__ 方法中做一些初始化操作
  • __init__又叫做构造方法
class Foo:
    # 构造方法
    def __init__(self, bk):
        self.name = "zoran"
        self.bk = bk

    def showbk(self):
        print(self.bk)
# 创建对象的实例,把 xx 值 封装到对象里面
obj1 = Foo("xx")
obj1.showbk()
obj2 = Foo("oo")
obj2.showbk()

2.4 del

  • 当解释器销毁对象的时候,会自动调用__del__方法
  • __del__又叫做析构方法
class Foo:
    # 构造方法
    def __init__(self, bk):
        self.name = "zoran"
        self.bk = bk

    def showbk(self):
        print(self.bk)

    def __del__(self):
        print("对象销毁了")

# 创建对象的实例,把 xx 值 封装到对象里面
obj1 = Foo("xx")
obj1.showbk()
obj2 = Foo("oo")
obj2.showbk()

2.5 封装

  • 使用场景:当同一类型的方法具有相同参数时,直接封装到对象
  • 使用场景:把类当作模版,创建多个对象,对象内封装的数据可以不一样

2.6 继承

  • 子类可以继承父类所有的功能
# 父类  基类
class Animals:
    def eat(self):
        print(self.name + "吃")

    def drink(self):
        print(self.name + "喝")


# 子类  派生类
class Cat(Animals):
    def __init__(self, name):
        self.name = name

    def shout(self):
        print(self.name + "汪")


# 子类 派生类
class Pig(Animals):
    def __init__(self, name):
        self.name = name

    def sleep(self):
        print(self.name + "在睡觉")


p1 = Pig("蛋蛋")
p1.sleep()
p1.eat()
p1.drink()
c1 = Cat("痘痘")
c1.eat()
c1.drink()
c1.shout()
  • 当父类和子类同时存在某功能时,优先使用子类功能
  • 可以继承多个类,当继承多个类当时候,父类优先级从左到右
  • 可以继承父类的构造方法
# 1.在子类中的构造方法中调用supper方法
super(Cat, self).__init__()
# 2. 直接执行父类的构造方法
Annimal.init__(self)
# 推荐使用supper这种形式

2.7 多态

2.8 成员

  • 通过类去访问:静态字段、静态方法
  • 通过对象访问: 普通字段、类的方法
  • 用@staticmethod装饰器去修饰的方法就是静态方法 类名.静态方法()
  • 不管是静态方法还是静态字段都可以去用对象去访问,但是建议使用类去方法
  • 静态方法存在的意义:不需要创建对象就可以访问这个方法,就相当于直接写了一个函数,把这个函数放在类里面类
  • 类方法:类方法和静态方法差不多功能,只是比静态方法多加了参数
  • @property : 在调用的时候不需要加括号,把方法伪造成了字段 这个用来获取值
  • @函数名.setter 这个用来设置值
  • 可以通过__dict__方法查看成员 Foo.__dict

2.9 成员修饰符

  • 有些成员是公开的、有些成员是私有的
  • 默认情况成员是公有的
  • 带下划线表示私有的 ( __字段名, __方法名),私有的成员只有自己才能访问,子类都是不可以访问的
  • 可以通过公有方法来调用内部私有方法

2.10 面向对象中一些常用方法

1. __init__
2. __call__  Foo()() 会执行call方法
3. __getitem__ obj = Foo()  obj["k1"] 会去执行getitem方法
4. __setitem__ obj = Foo() obj["k1"] = 123 会执行setitem方法
5. __delitem__ del obj["k1"] 会执行delitem方法
6. __dict__ 查看成员  Foo.__dict
7. __iter__ 当for循环迭代的时候 会自动执行这个方法
8. __str__ 当print一个对象或者通过str把对象转换成字符串的时候会触发__str__方法

class Foo:
    def __init__(self):
        print("初始化完成")

    def __call__(self, *args, **kwargs):
        print("call方法执行了")

    def __getitem__(self, item):
        print("getitem方法执行了", item)

    def __setitem__(self, key, value):
        print("setitem方法执行了", key, value)

    def __delitem__(self, key):
        print("delitem执行了", key)

    def __iter__(self):
        yield 1
        yield 2
        yield 3
        yield 4
        yield 5



# 当类开始创建的时候 init方法会执行
obj = Foo()

# Foo()() call 方法执行
Foo()()
# 这种形式调用  Foo类里面的__getitem__会被执行
obj["k1"]
# 设置值的时候  Foo类里面的__setitem__会被执行
obj["k2"] = "k2==>2"
# 删除某个值的时候 Foo类里面__delitem__会被执行
del obj["k2"]
# for循环迭代的时候 会自动执行 __iter__方法
for i in obj:
    print(i)

2.11 异常处理

try:
    num = int(ipt)
    print(num)
except Exception as e:
    print(e)
# Exception 宽泛的错误类型,可以捕捉到任何错误
except Exception:
    print("数据类型转换失败")
  • 常见异常类型
    • AttributeError 视图访问一个对象没有的属性,例如:foo.age 但是foo没有age属性
    • IOError 输入/输出异常,基本上是路径问题或名称错误
    • ImportError 无法引入模块或包,基本上是路径问题或名称错误
    • IndentationError 语法错误
    • IndexError 索引超出边界
    • KeyError 访问的键不存在
    • ValueError 传入的值类型不正确
  • 主动触发异常
ipt = input("请输入内容:")
try:
    num = int(ipt)
    raise Exception("出错了")
except Exception as e:
    print("数据类型转换失败")

2.12 断言

  • 通常用来做测试
assert 1 == 2

转载于:https://www.cnblogs.com/nodeing/p/7445435.html

  • 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 方法的优是准确度较高,缺是速度相对较慢。 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。这种方法的优是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺是准确度相对较低,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