最简单的抽象类与多态

抽象类包含抽象成员(该成员不提供任何实现,但强迫子类对其实现),不可实例化。

多态:举个例子:同一个方法,在不同的子类中重写,然后统一调用,则呈现出不同的效果。

基类:

 1 using System;
 2 using System.Collections.Generic;
 3 using System.Linq;
 4 using System.Text;
 5 
 6 namespace OverrideTest
 7 {
 8     //抽象类
 9    public abstract class PdaItem
10     {
11        public PdaItem(string name)
12        {
13            Name = name;
14        }
15        public virtual string Name { get; set; }
16        public abstract string GetSummary();//纯虚函数,强制子类实现,他也实现了多态
17     }
18 }
PdaItem

下面为两个子类:

 1 using System;
 2 using System.Collections.Generic;
 3 using System.Linq;
 4 using System.Text;
 5 
 6 namespace OverrideTest
 7 {
 8     class Contacts:PdaItem
 9     {
10         public Contacts(string name)//继承父类的构造函数
11             : base(name)
12         {
13             Name = name;
14         }
15         public override string Name
16         {
17             get
18             {
19                 return FirstName + " " + LastName;  
20             }
21             set
22             {
23                 string[] names = value.Split(' ');
24                 FirstName = names[0];
25                 LastName = names[1];
26             }
27         }
28         public string FirstName { get; set; }
29         public string LastName { get; set; }
30         public string Address { get; set; }
31         public override string GetSummary()//强制重写
32         {
33             return string.Format("FirstName :{0}" + "LstName:{1}" + "Address:{2}", FirstName, LastName, Address);
34         }
35     }
36 }
Contacts:PdaItem
 1 using System;
 2 using System.Collections.Generic;
 3 using System.Linq;
 4 using System.Text;
 5 
 6 namespace OverrideTest
 7 {
 8     class Appointment:PdaItem
 9     {
10         public Appointment(string name):base(name)
11         {
12             Name = name;
13         }
14         public DateTime StartDateTime { get; set; }
15         public DateTime EndDateTime { get; set; }
16         public string Location { get; set; }
17         public override string GetSummary()//强制重写
18         {
19             return string.Format("Subject:{0}" + Environment.NewLine
20                 + "Start:{1}" + Environment.NewLine
21                 + "End:{2}" + Environment.NewLine
22                 + "Location:{3}",
23                 Name, StartDateTime, EndDateTime, Location
24                 );
25         }
26     }
27 }
Appointment:PdaItem

主函数中的实现:

 1 PdaItem[] pda = new PdaItem[3];
 2 
 3             Contacts contacts = new Contacts("Tom Li");
 4             contacts.Address = "Chongwen Road NananZone Chongqing City China";
 5             pda[0] = contacts;
 6 
 7             Appointment appointment = new Appointment("Tms Cli");
 8             appointment.StartDateTime = new DateTime(2014, 10, 10);
 9             appointment.EndDateTime = new DateTime(2014, 10, 11);
10             appointment.Location = "Chongqing Unibersity of Posts and Telecommunictions";
11             pda[1] = appointment;
12 
13             contacts = new Contacts("another one");
14             contacts.Address = "thrity-thress dormitory";
15             pda[2] = contacts;
16             List(pda);
17         }
18         public static void List(PdaItem[] items)
19         {
20             foreach (PdaItem item in items)
21             {
22                 Console.WriteLine("---------------------------");
23                 Console.WriteLine(item.GetSummary());//虽然调用的都是基类的同一个函数,但是基类的三个对象分别指向了不同的子类,所以他们都选择了各自的继承链里面重写的最远的那个。
24             }
25         }
Main

运行结果:

转载于:https://www.cnblogs.com/tntboom/p/4017666.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列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO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