c语言程序设计提纲,c语言程序设计复习提纲

41528d3028836879cd698677c3999917.gifc语言程序设计复习提纲

C 语言程序设计复习提纲一、 题型与分数分布1、 单项选择题(每小题 1 分,共 10 分)例:0618 是( D )A、字符型常量 B、整型常量 C、浮点型常量 D、非法常量2、 多项选择题(每小题 2 分,共 10 分)例:设有说明:int a=1,b=3,c=0;下面表达式的值为 1(对于逻辑表达式代表非 0)的有( B、C、D ) 。A、++a+c B、(b>a)int i=017;( 7 )1、i>>=14、 判断改错题 (每小题 2 分,共 10 分)判断下面各题是否正确,如果有错,请改正。例:int *p=解:错误。正确形式为:int x,*p=5、 简答题(每小题 4 分,共 20 分)例:请写一个 C 表达式,用短整型变量 u 的高字节为结果的高字节,用短整型变量 v 的高字节为结果的低字节拼成一个两字节的整数作为结果。解:所求表达式为: uint main(void){ int k=0;while(++k,10-f1(k)) ; return 0;} int f1(int k){ static long s=0;s+=k;printf(“k=%d,s=%ld\n“,k,s);return s;}请写出程序的运行结果:解:程序的运行结果如下:k=1,s=1k=2,s=3k=3,s=6k=4,s=107、 完善程序(每空 2 分,共 20 分)例:下面是一个求字符串长度的函数的部分程序。请在①处开始的下划线处填入合适内容来完善该程序。int f1(char *s){char *t=s;while( ① )t++;return (t-s);}① *t 二、 复习提纲和复习范围第 1 章1、 了解二进制数、八进制数、十六进制数、原码、反码和补码的定义、掌握二进制数、八进制数、十六进制数、原码、反码和补码的表示方法;掌握整数和字符的内存存储形式;熟练掌握不同进制数之间的相互转化。第 2 章2、 掌握标识符、各种类型常量的表示,包括转义序列的作用,整常量的前缀及后缀等。3、 掌握运算符与各种表达式;熟练掌握包括位运算、以及与数组、指针、结构、嵌套结构相关的各种表达式计算,以及表达式书写。4、 熟练掌握各种运算符的优先级、结合性。第 3 章5、了解基本的标准输入与输出的概念;掌握字符串的输入/输出(gets,puts) 。6、熟练掌握单个字符的输入/输出(getchar,putchar) ;熟练掌握格式输入/输出(scanf,printf) ,包括%c,%d,%s,%f%x 的用法。第 4 章7、了解 C 语句的分类;掌握各种语句的语法、语义以及使用。8、熟练掌握流程控制中的复合语句、if 语句、switch 语句、while 语句、for 语句、do-while、break语句的使用。掌握 continue 语句的使用。9、熟练掌握多重循环,以及单重循环、多重循环涉及的各种基本算法(如打擂台,求素数,字符金字塔等) 。第 5 章10、理解函数的定义;掌握声明和调用,尤其是函数调用过程中指针参数的传递。11、掌握变量的存储类型。外部变量的作用域和缺省初值、区分外部变量的声明和定义12、熟练掌握 static 变量的特性、使用方法。13、掌握递归函数与递归调用,递归的执行过程,递归算法的特点。第 6 章14、了解编译预处理的概念。15、理解 assert 宏。16、掌握简单宏定义;熟练掌握带参数的宏定义。第 8 章17、理解数组的概念,数组的存储结构;掌握数组元素的运算。18、熟练掌握一维数组的声明、初始化及使用;熟练掌握一维数组作为函数参数的使用方法。19、熟练掌握字符数组的声明、初始化、使用;20、熟练掌握字符串操作各种函数,数字串与数之间转换的各种函数的设计、使用。21、理解多维数组的说明、初始化、使用、存储结构。22、熟练掌握字符数组、二维数组作为函数参数的使用方法。23、熟练掌握二分查找、选择法排序、冒泡法排序的算法,函数设计与调用。第 9 章24、理解地址、变量的地址、以及指针的概念。25、掌握基本类型指针的声明、初始化;指针的算术运算和赋值运算;了解指针的关系运算。26、熟练掌握指针作为函数的参数。27、熟练掌握数组的指针表示。尤其是一维数组元素、多维数组元素的指针表示。28、掌握指针数组的声明、初始化及使用。29、熟练掌握带参数的 main 函数的设计及使用。30、掌握函数指针的声明、初始化及使用。32、熟练掌握指针函数的声明、初始化及使用。33、熟练掌握指向一维数组的指针的声明、初始化及使用。34、熟练掌握用指针编写字符串操作函数(不包括 strok 函数) 。35、掌握 typedef 的使用。36、熟练掌握复杂说明的解释以及根据复杂说明的解释写出对应的复杂声明。第 10 章37、理解结构类型、结构变量、自引用结构、字段结构、联合的概念。38、掌握结构类型的声明,结构变量的声明、初始化及使用。理解嵌套结构。39、熟练掌握结构变量中成员的引用;掌握嵌套结构变量中成员的引用。40、熟练掌握结构类型指针的声明、初始化及使用。41、了解结构类型作为函数的参数和返回值。42、熟练掌握结构数组指针的声明、初始化及使用。尤其是用结构的指针访问结构数组元素的成员,以及相关表达式的求值。43、了解联合的声明、初始化及使用;了解字段结构的声明、初始化及使用;理解动态数组设计。44、熟练掌握动态存储分配,以及单向链表的创建、遍历、查找、排序(不要求交换指针域) ;熟练掌握单向链表结点的插入与删除。第 11 章45、了解文件、文本文件、二进制文件、设备文件的概念;理解流、标准流式文件、FILE 指针等概念。46、熟练掌握流式文件的顺序输入和输出。包括文件的打开与关闭、文件的重定向、基于字符、基于字符串文件的读写、以及文件的直接输入和输出。47、了解文件的格式读写。48、了解流式文件的随机读写。三、 考试方式闭卷笔试

  • 0
    点赞
  • 1
    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