多态及虚函数

  在面向对象方法中,所谓的多态性就是不同对象在收到相同消息时,产生不同的行为。

在C++中,要做到“一个接口,多种方法”。

  我们把在运行之前就完成的联编(是指一个计算机程序自身彼此关联的过程)称为静态联编;在运行时才完成的联编称为动态联编。静态联编支持的多态性称为编译时多态性,通过重载实现,而动态联编所支持的多态性称为运行时多态性,是通过虚函数来实现的。

  在某基类中声明为virtual 并在一个或多个派生类中被重新定义的成员函数,用法格式为:virtual 函数返回类型 函数名(参数表) {函数体};

  我们来看一段代码:

  classA

{

public:

       virtualvoid show()

       {

              cout<< "A::a" << endl;

       }

protected:

       inta;

};

class B : virtual public A

{

public:

       voidshow()

       {

              cout<< "B::b" << endl;

       }

protected:

       intb;

};

void main()

{

       Aaa;

       Bbb;

       A*p;

       p= &aa;

       p->show();

       p= &bb;

       p->show();

}


这就是我们通过虚函数来实现的多态性——基类指针指向子类对象(前提是基类和派生类有一个同名函数)。

构成多态的四个条件(缺一不可):

1.不在同一作用域(分别在父类和子类)

2.函数名相等/参数相等/返回值相同/(协变除外)

3.基类函数必须有virtual关键字

4.访问修饰符可以不同

*在C++中,只要原来的返回类型是指向类的指针或引用,新的返回类型是指向派生类的指针或引用,称为协变。

我们再来区别几个概念:重载,重定义(隐藏),重写。

重载:函数名相同,参数和返回值可以不同。

重定义:在不同的作用域,函数名不同,基类和派生类中国只要不构成重写就是重定义。

重写:就是上面我们说的构成多态的条件。

我们通过一张图来看一下重写的含义:



借一下我学长的代码,我们来看一下虚函数和普通成员函数的区别:

#include<iostream>   

#include<Windows.h>   

using namespacestd;

class A

{

public:

       void foo()

       {

              printf("1\n");

       }

       virtual void fun()

       {

              printf("2\n");

       }

};

class B :public A

{

public:

       void foo()

       {

              printf("3\n");

       }

       void fun()

       {

              printf("4\n");

       }

};

int main(void)

{

       A a;

       B b;

       A *p = &a;

       p->foo();

       p->fun();

       p = &b;

       p->foo();

       p->fun();

       system("pause");

       return 0;

}


由结果我们可以看出因为foo函数不是虚函数,所以不能通过父类的指针指向子类的函数,而fun函数是虚函数,可以通过父类的指针指向子类的函数。体现了虚函数对于多态性的重要性。

*继承中把基类和派生类的析构函数定义为虚函数(因为“切片”的关系,父类的指针不能访问子类的函数)。

  • 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