201711671117Java第五周

教材学习内容总结

1、Java不支持多重继承

2、任何类都是Object类的子类

3、子类与父类在同一个包中:子类可继承父类的非private的成员变量和方法;

      子类与父类不在同一个包中:子类只可继承父类的protected和public的成员变量和方法

4、一个类A中的protected成员变量和方法可以被它的子孙类继承,例如B是A的子类,C是B的子类,D是C的子类,那么B、C、D类都继承了A类的protected成员变量和方法。在没有讲述子类之前,我们曾对访问修饰符proteced进行了讲解,现在需要对protected总结得更全面些。如果用D类在D本身中创建了一个对象,那么该对象总是可以通过“.”运算符访问继承的或自己定义的protected变量和protected方法的,但是,如果在另一个类中,例如在Other类中用D类创建了一个对象object,该对象通过“.”运算符访问protected变量和protected方法的权限如下(1)  对于子类D自己声明的protected成员变量和方法,只要Other类和D类在同一个包中,object对象就可以访问这些protected成员变量和方法。(2)  对于子类D从父类继承的protected成员变量或方法,需要追溯到这些protected成员变量或方法所在的“祖先”类,例如可能是A类,只要Other类和A类在同一个包中,object对象能访问继承的protected变量和protected方法。
5、在子类创建对象时,父类的成员变量(包括private)也会分配内存空间

6、成员变量的重写:子类声明的成员变量与从父类继承来的变量名字相同(类型可以不同),这时子类会隐藏所继承的该变量

7、子类继承来的方法只能操作子类继承来的和隐藏的变量;子类新定义的方法不可以操作隐藏的变量,要用super关键字

8、方法的重写:方法的名字、参数个数、参数类型(也可以是父类方法类型的子方法类型)和父类的方法完全相同

9、重写的方法不可以操作隐藏的变量和方法,要用super关键字

10、重写方法时,不允许降低方法的访问权限,但可以提高访问权限(高到低顺序是:public、protected、友好的、private)

11、super关键字:可以用super关键字来操作被隐藏的成员变量和方法;可以用super关键字来调用父类的构造方法(如果父类的构造方法有参数,那么子类必须用super来调用父类构造方法传值,且super语句必须在子类构造方法第一条语句)

12、final关键字:用final声明类,该类不能被继承;final声明的方法不能被重写;final声明的变量为常量

13、对象的上转型对象:

教材学习内容总结

1、Java不支持多重继承

2、任何类都是Object类的子类

3、子类与父类在同一个包中:子类可继承父类的非private的成员变量和方法;

      子类与父类不在同一个包中:子类只可继承父类的protected和public的成员变量和方法

4、一个类A中的protected成员变量和方法可以被它的子孙类继承,例如B是A的子类,C是B的子类,D是C的子类,那么B、C、D类都继承了A类的protected成员变量和方法。在没有讲述子类之前,我们曾对访问修饰符proteced进行了讲解,现在需要对protected总结得更全面些。如果用D类在D本身中创建了一个对象,那么该对象总是可以通过“.”运算符访问继承的或自己定义的protected变量和protected方法的,但是,如果在另一个类中,例如在Other类中用D类创建了一个对象object,该对象通过“.”运算符访问protected变量和protected方法的权限如下(1)  对于子类D自己声明的protected成员变量和方法,只要Other类和D类在同一个包中,object对象就可以访问这些protected成员变量和方法。(2)  对于子类D从父类继承的protected成员变量或方法,需要追溯到这些protected成员变量或方法所在的“祖先”类,例如可能是A类,只要Other类和A类在同一个包中,object对象能访问继承的protected变量和protected方法。
5、在子类创建对象时,父类的成员变量(包括private)也会分配内存空间

6、成员变量的重写:子类声明的成员变量与从父类继承来的变量名字相同(类型可以不同),这时子类会隐藏所继承的该变量

7、子类继承来的方法只能操作子类继承来的和隐藏的变量;子类新定义的方法不可以操作隐藏的变量,要用super关键字

8、方法的重写:方法的名字、参数个数、参数类型(也可以是父类方法类型的子方法类型)和父类的方法完全相同

9、重写的方法不可以操作隐藏的变量和方法,要用super关键字

10、重写方法时,不允许降低方法的访问权限,但可以提高访问权限(高到低顺序是:public、protected、友好的、private)

11、super关键字:可以用super关键字来操作被隐藏的成员变量和方法;可以用super关键字来调用父类的构造方法(如果父类的构造方法有参数,那么子类必须用super来调用父类构造方法传值,且super语句必须在子类构造方法第一条语句)

12、final关键字:用final声明类,该类不能被继承;final声明的方法不能被重写;final声明的变量为常量

13、对象的上转型对象:

14、abstract类与方法:abstract类不能使用new来创建对象;abstract方法只允许声明不允许实现,不允许final和abstract同时声明方法和类,也不允许static和abstract同时声明方法。

  • 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
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
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