java范型成员_Java泛型,类型擦除和泛型成员的类型

您可以在运行时确定genericField中任何给定对象的类型,但无法确定TestClass< X>之间的差异.和TestClass< Y>在运行时,不检查您知道的某些成员恰好受泛型类型的约束.那就是你无法确定TestClass的类型参数< ...>给出一个TestClass的实例.

您的代码显示genericField值的类型,而不是TestClass实例的参数化类型.尝试打印this.getClass(),你会发现它在两种情况下都是相同的.

你“缺少”的是这样的:你(可以理解)在genericField本身拥有一个对象(带有一个类型)和TestClass有一个泛型类型参数这一事实之间建立了一个不正确的联系.您正在混淆确定genericFields值类型的能力,并且能够确定为TestClass指定的类型参数.也就是说,虽然您可以根据您对genericField为T的知识推断出类型参数是什么,但这与直接确定T是什么不同,这是不可能的.

查看上一段的另一种方法是考虑以下几点:

>如果TestClass没有类型T的成员,则没有其他方法可以提取T.您的代码仅“确定”T基于您自己的个人知识,即genericField被声明为持有相同类型(因此其中的对象)必须是那种类型,因此你可以得出结论,泛型参数可能是相同的类型或它的一些超类型).

>如果您没有使用泛型,并且genericField只是一个Object,您仍然可以在genericField中确定对象的类型.也就是说,它的类型与泛型类型“独立”,除非使用泛型,否则编译器会对类型进行约束.编译后它仍然只是一个任意对象,无论你是否使用泛型(这实际上只是一种方便,因为你可以在没有泛型的情况下完成所有这些,只需使用Object和大量的强制转换).

还要考虑TestClass< Base>的可能性,其中genericField被分配了Derived.您的代码将正确显示genericField是Derived,但您无法知道类型参数是Base与Derived,因为信息已被删除.

此外,将以上几点进一步归结为家:

TestClass genericString = new TestClass("Hello");

TestClass> kludge = genericString;

TestClass genericLongButNotReally = (TestClass)kludge;

genericLongButNotReally.printTypeInfo();

输出字符串的信息(这就是给出那些“未经检查的转换”警告的原因,以防止出现这种奇怪的事情),而不关心使用Long类型参数指定genericLongButNotReally的事实.当您使用泛型类型时,必须克服编译器提供的良好保护;但在运行时它并不关心.

  • 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