JavaScript基础知识

脚本(计算机术语)

脚本(Script)是批处理文件的延伸,是一种纯文本保存的程序,一般来说的计算机脚本程序是确定的一系列控制计算机进行运算操作动作的组合,在其中可以实现一定的逻辑分支等。
中文名
脚本
外文名
Script

基本概述

脚本简单地说就是一条条的文字命令,这些文字命令是可以看到的(如可以用 记事本打开查看、编辑),脚本程序在执行时,是由系统的一个 解释器,将其一条条的翻译成机器可识别的指令,并按程序顺序执行。因为脚本在执行时多了一道翻译的过程,所以它比二进制程序执行效率要稍低一些。
脚本通常可以由 应用程序临时调用并执行。各类脚本被广泛地应用于 网页设计中,因为脚本不仅可以减小网页的规模和提高 网页浏览速度,而且可以丰富 网页的表现,如 动画、声音等。举个最常见的例子,当点击 网页上的 Email地址时能自动调用 Outlook ExpressFoxmail这类邮箱 软件,就是通过脚本功能来实现的。也正因为脚本的这些特点,往往被一些别有用心的人所利用。例如在脚本中加入一些破坏 计算机系统的命令,这样当用户浏览 网页时,一旦调用这类脚本,便会使用户的系统
脚本 脚本
受到攻击。所以用户应根据对所访问 网页的信任程度选择安全等级,特别是对于那些本身内容就非法的网页,更不要轻易允许使用脚本。通过“安全设置” 对话框,选择“脚本”选项下的各种设置就可以轻松实现对脚本的 禁用启用

相关语言

脚本语言是比较多的,一般的脚本语言的执行只同具体的解释执行器有关,所以只要系统上有相应语言的 解释程序就可以做到跨平台。脚本( Script),就是含有bind和 alias等命令的 集合,你可以把这个集合存为一个独立的文件然后在需要的时候执行,这样就可以方便你在CS中的使用。脚本可以存为 后缀名为.cfg的文件放在cstrike 文件夹下,执行时在控制台输入:exec( 脚本文件名).cfg即可。比如将一个脚本存为 buys.cfg文件,则在 控制台中输入:execbuys.cfg则可以实现我们所需要的功能。要实现一个命令只要把这一过程定义(alias)好,并且分配一个键位给这个命令,以后只要按分配好的键位,就可以实现这一过程。所有的脚本都是通过这一方法实现的。

常见语言

ScalaJavaScriptVBScriptActionScript,MAX Script, ASPJSPPHPSQLPerlShellpythonRubyJavaFXLuaAutoIt等。

主要特性

语法和结构通常比较简单
学习和使用通常比较简单
通常以容易修改程序的“解释”作为运行方式,而不需要“编译”
程序的开发产能优于运行效能
词条标签:
科学百科信息科学分类 , 软件 , 科学
 
 
 
 
 
 
 
 

对象

(编程)
对象,是编程术语,其广义指的是在内存上一段有意义的区域,称作为一个对象。在C中,具有特定长度的类型,可以称作为对象类型,函数不具有特定长度,所以不是对象类型。
 
中文名
对象
外文名
object
类    型
编程术语
注    释
在内存上一段有意义的区域

目录

  1. 对象
  2. ▪ 描述
  3. ▪ 扩展

对象

描述

广义:在内存上一段有意义的区域,称作为一个对象。
在C中,具有特定长度的类型,可以称作为对象类型,函数不具有特定长度,所以不是对象类型。
在显式支持 面向对象的语言中,“对象”一般是指类在内存中装载的实例,具有相关的 成员变量和成员函数(也称为:方法)。

扩展

面向对象(Object Oriented,OO)是当前计算机界关心的重点,它是90年代 软件开发方法的主流。面向对象的概念和应用已超越了程序设计和软件开发,扩展到很宽的范围。如 数据库系统、交互式界面、应用结构、应用平台、 分布式系统、网络管理结构、CAD技术、人工智能等领域。
词条标签:
文化活动 , 文化
 
 
 
 
 
 
 

方法

 

(C#中函数)

  编辑
方法是为了达成某个目标所用的方式和办法。方式就是选择的途径,办法就是采取的措施。
 
中文名
方法
外文名
method
类    别
编程
编程方式
面向对象

定义

编辑
方法是具名的语句序列。  [1] 

构成

编辑
所有的方法都有名称和主体。

方法名

方法名应该是一个有意义的标识符,它用英语描述了方法的用途。例如:用于计算所得税的方法可命名为CalulateIncomeTax。  [1] 

方法主体

方法主体就是调用方法时执行的代码块,方法的主体语句必须放在花括号(即大括号{})中。

相关描述

编辑
C#是 面向对象的,所以C#中的方法也是相对于对象来说的,是指某个对象的行为,比如,有一个动物的类,兔子是这个动物类里的一个对象,那么跳这个行为就是兔子这个对象的方法了.其实也就是C中的函数(C是面向过程的,叫函数).
举个例子:
我们想要把 窗体上的某个窗体隐藏起来,就可以使用窗体这个类中的一个"hide"方法,hide方法的作用就是把窗体给隐藏起来,要显示的时候就可以调用窗体本身的一个show方法,这样就可以让窗体给显示出来了。
代码:
form form1= new form();//定义一个新的窗体,窗体名字是form1
form1.show();//使用窗体的show方法,显示窗体
form1.hide()//使窗体给隐藏起来

方法契约

编辑
开发者可以通过代码契约(Code Contracts)这个研究性项目获得添加方法级别契约的能力,但这种方式存在许多问题,它所使用的命令式语法相当冗长,并且通过工具提供的语法支持也很差。无论是开发类库或是应用程序,要完整的利用这一契约特性,必须要运行某种编译后指令。总的来说,这是一个有趣的项目,但要真正变得实用,还需要第一等的编译器与语法的支持。
第119号提议——方法契约旨在提供这种支持。这一语法要求在方法签名与方法体之间定义前置与后置条件,与泛型的约束写法类似。下面这个示例展示了该语法的表现形式:
1
2
3
4
public  int  Insert(T item,  int  index) 
     requires index >= 0 && index <= Count 
ensures  return  >= 0 &&  return  < Count 
{ … }
这条提议中共包含三个新的关键字。“requires”开头的语句负责处理前置条件,多数情况下将用于检查参数,但理论上也可以用于检查对象本身的状态。“ensures”开头的语句用于设定后置条件,它重用了“return”关键字,以指代该方法调用的返回结果。 [2] 
 
 
 
 
 
 
 
 
 
 
 
 
 

属性

 

(词语)

  编辑
属性就是人类对于一个对象的抽象方面的 刻画  [1]  .
一个 具体事物,总是有许许多多的 性质与关系,我们把一个事物的性质与关系,都叫作事物的属性。
事物与属性是不可分的,事物都是有属性的事物,属性也都是事物的属性。
一个事物与另一个事物的相同或相异,也就是一个事物的属性与另一事物的属性的相同或相异。
由于事物属性的相同或相异,客观世界中就形成了许多不同的事物类。具有相同属性的事物就形成一类,具有不同属性的事物就分别地形成不同的类。
苹果是一类事物,它是由许多具有相同属性的个别事物组成的。梨也是一类事物,它也是由许多具有相同属性的个别事物组成的。苹果和梨是两个不同的类。苹果这个类的共同属性是不同于梨这个类的共同属性的。
 
中文名
属性
外文名
property
类    型
一个 对象的抽象 刻画
分    类
本质与非本质
简    介
对象的 性质与对象之间关系的统称
属性是对象的性质与对象之间关系的统称。
如事物的形状、颜色、气味、善恶、优劣、用途等都是事物的性质。大于、小于、压迫、反抗、朋友、热爱、同盟、矛盾、等都是事物的关系。而任何属性都是属于某种对象的。
对象(事物)的属性有的是特有属性,有的是共有属性。对象的特有属性是指为一类对象独有而为别类对象所不具有的属性。人们就是通过对象的特有属性来区别和认识 事物的。如两足、无毛、 直立行走、能思维、会说话、能制造和使用生产工具进行劳动是“人”的特有属性,从而将“人”与其他高等动物区分开。而有五官、四肢、有内脏和血液循环等则不仅为人所具有,也为其他高等 动物所具有,我们称为共有属性。共有属性没有区别性。
本质属性和非本质属性
有些是 本质属性,有些是非本质属性。本质属性是决定一事物之所以成为该事物而区别于其他事物的属性。某事物固有的规定性和与其他事物的区别性是本质属性的两个特点。如能思维、会说话、能制造和使用生产工具进行劳动,是“人”的本质属性。而人的其他特有属性,如无毛、两足、直立行走等则是非本质属性的,它仅有区别性而无质的规定性。可见,本质属性一定是特有属性,而特有属性不一定是本质属性。但是,有些事物的特有属性是由本质属性派生出来的,如人的直立行走,大拇指与四指分开就是由制造和使用生产工具进行派生出来的。
不同层次概念的属性
最初形成的概念是浅层次的,浅层次的概念总是先反映对象的非本质的特有属性,日常生活使用的概念多属于这一类,可称为初级概念。进一步形成的深层次概念才反映事物的本质属性,科学研究和科学论著所使用的概念多属于这一类概念,可称为“科学概念”。只有当我们认识事物的本质属性并形成了科学概念时,才算真正认识了事物的本质。所以,概念也可定义为“反映思维对象及其本质属性的思维形态”。
一类对象往往具有多方面的本质属性,人们可以根据需要把对象的某一属性提到首要地位去研究,即人们可以从特定方面、不同的角度去研究某一对象。例如,“水”这一对象具有物理方面的本质属性,也具有化学方面的本质属性 。当人们从物理性质方面来考察“水”的概念时,是研究它的物理形态:液体、具有涨缩和压力,它是无色、无味、比重为“1”、在一个 标准大气压下沸点为100℃、 冰点为0℃的液体;而当从化学方面考察“水”时,就首先考虑到,它是由氢和氧构成的最简单的化合物,其化学分子式为H2O……所有这一切,都是人们根据生产、生活、工作等方面的需要,从不同的角度研究水的属性的表现。
属性其他分类
如果某种属性为某类事物全部成员所具有,则称为该类对象的固有属性;如果某种属性仅为某类事物部分成员所具有,则称为该类对象的偶有属性。以“商品”为例,“劳动产品”是商品的共有属性,也是商品的固有属性;至于“物美价廉”则是商品的偶有属性,因为并不是所有的商品都是物美价廉的。

转载于:https://www.cnblogs.com/qq3069418554/p/9216498.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
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