变量的初始化问题! .

类变量(类静态成员): 类被加载时产生;它的生存期是类的生存期;自动初始化(类被加载)
成员变量(类成员):  在使用new创建该类实例时产生;它的生存期与该类实例对象的生存期相同;

自动初始化(构造方法被调用)
局部变量(类的方法中的变量):  该方法被调用时产生; 在该方法退出后结束; 必须显式初始化

1 方法中的变量,不会被自动初始化。比如main方法中的变量index,定义如int index;   它不会被自动初始化。

2 当用new定义一些变量,会自动初始化,如 int [] d = new int[100];  它自动初始化为0。
各数据类型的数组自动初始值如下:
byte  0
short  0
int  0
long  0l
float  0.0f
double  0.0d
char  /u0000    即数值0,而非字符0,因为它是0~~65535的序列。字符0位置在48上,即/u0030
boolean  false
reference null 如String

3 类成员如果没有被定义会自动获取一个初始值。首先运行声明的类成员,如果有定义,则取定义值,随后调用构造函数,如果构造函数中对已定义变量重赋值,则取重赋的值。

4 Stack类型自动初始化为空。空显示为[],而不是null。

举例:
class Test
{
static int myArg ;
public static void main(String[] args)
{
  int myArg; //如果此行没有写,即可通过编译了。
  System.out.pringln(myArg);
}
}

通不过编译。

5 数组定义
可以如下定义
int iArray[] = null;

6 静态块和类成员定义的优先级

//仍模糊,静态块,或代码块什么时候调用,是在类生成初么?那应该要比成员变量要早,因此,首先int i = 10;其次 i = 20;

如下:
public class Test
{
int i = 20;

static
{
  int i = 10;
}

public static void main(String [] args)
{
  Test a = new Test();
  System.out.println(a.i);
}
}


 

转载于:https://www.cnblogs.com/yangzhi/archive/2012/10/16/3576634.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