ARTS打卡第二周(2021.1.17)

Algorithm

一、第一个只出现一次的字符位置

题目描述

在一个字符串(0<=字符串长度<=10000,全部由字母组成)中找到第一个只出现一次的字符,并返回它的位置, 如果没有则返回 -1(需要区分大小写).(从0开始计数)

输入

"google"

返回值

4

代码

public class Solution {
    public int FirstNotRepeatingChar(String str) {
        if(str == null || str.length() == 0){
            return -1;
        }
        int j;
        for(int i = 0; i < str.length(); i++){
            for(j = 0; j < str.length(); j++){
                if(str.charAt(i) == str.charAt(j)&&(j!= i)){
                    break;
                }
            }
            if(j == str.length()){
                return i;
            }
        }
        return -1;
    }
}

二、二叉搜索数的第k个结点

题目描述

给定一棵二叉搜索树,请找出其中的第k小的结点。

示例1

输入

{5,3,7,2,4,6,8},3

返回值

{4}

说明

按结点数值大小顺序第三小结点的值为4 

代码

/*
public class TreeNode {
    int val = 0;
    TreeNode left = null;
    TreeNode right = null;

    public TreeNode(int val) {
        this.val = val;

    }

}
*/
import java.util.ArrayList;
public class Solution {
    ArrayList<TreeNode> list = new ArrayList<>();
    TreeNode KthNode(TreeNode pRoot, int k)
    {
        if(pRoot == null || k == 0){
            return null;
        }
        midOrderTraverse(pRoot);
        if(list.size() >= k){
            return list.get(k-1);
        }
        return null;
    }
    
    public void midOrderTraverse(TreeNode root){
        if(null != root){
            midOrderTraverse(root.left);
            list.add(root);
            midOrderTraverse(root.right);
        }
    }

}

Review

阅读文章:https://blog.aritraroy.in/what-my-2-years-of-android-development-have-taught-me-the-hard-way-52b495ba5c51

该文章主要是讲述作者分享的一些经验。

简洁概括成以下内容:

(1)不要重复造轮子。若有适合的第三方库可以直接使用,让你可以侧重完成业务逻辑。

(2)多阅读开源项目(越多star越好);不要盲目使用;查看项目issues或许能有一些收获;有时间的话可以阅读源码,学习其优点。

(3)坚持阅读开源项目源码,并推荐了一些开源项目:https://snowdream.github.io/awesome-android/,https://github.com/pcqpcq/open-source-android-apps。

(4)注意代码规范。尽量使代码更加简洁、可读,并推荐以下内容:https://source.android.com/source/code-style.html,https://github.com/ribot/android-guidelines/blob/master/project_and_code_guidelines.md。

(5)务必使用混淆。若应用没混淆就发布到应用商店,会被轻易破解。若需要更加安全可以使用DexGuard

(6) 使用适当的架构。在搭建项目最好先选择合适的架构,有利于项目解耦以及减少维护成本。可以参考demo project,以及一些对初学者的一份指南

(7)用户体验十分重要,尽可能设计出干净、简洁、美观的界面(独立开发者需要注意这点)。并且推荐了能让我们获得灵感的网址MaterialUp和书籍The Design of Everyday Things

(8)做好分析。分析统计崩溃报告有助于完善项目,兼容各种设备和系统版本;分析用户行为有助于做出更符合用户行为习惯、满足用户的Apps。

(9)作为个人开发者,不要单单只是开发者,更要去理解市场。如果想吸引更多用户,就需要花费更多时间和金钱进行市场营销。

(10)优化项目十分重要。尽可能做到写的代码运行快、占用内存少、消耗更少设备存储空间。同时推荐了一款内存检测工具Leak Canary

(11)可以尝试使用以下方法提升Gradle编译速度(作者gradle构建时间从4分钟降为30秒):https://medium.com/@cesarmcferreira/speeding-up-gradle-builds-619c442113cb#.thj9h2pqd、http://zeroturnaround.com/rebellabs/making-gradle-builds-faster/。

(12)完成某项需求后务必进行测试!

(13)Android碎片化比较严重,各种设备、版本、规格和厂商都需要进行测试。

(14)使用Git进行项目管理。

(15)让App更难被破解。对一些敏感数据需要进行加密、混淆。阅读以下文章可以对提高应用安全性有所帮助:https://www.airpair.com/android/posts/adding-tampering-detection-to-your-android-app、https://rammic.github.io/2015/07/28/hiding-secrets-in-android-apps/。

(16)使用低端设备进行开发。高性能设备可以掩盖调许多因代码问题导致的性能问题。

(17)要在设计模式上下功夫,这会对你完成项目有着极大帮助。作者推荐了这个GitHub项目,其中包含了全部的设计模式。

(18)呼吁大家对开源社区作出贡献。每周抽出一点时间完成这件事,使社区更加丰富。

Tip

https://www.cnblogs.com/FraserYu/p/12424765.html

了解volatile和synchronized的区别:两者都可保证内存可见性,但synchronized是排他锁,可以保证原子性,性能较差;volatile不是排它锁,不能保证原子性,性能较优。

Share

这里分享一篇关于Android编码规范的文章:

https://github.com/ribot/android-guidelines/blob/master/project_and_code_guidelines.md

  • 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
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