线程(基本)

一、 线程
a) 概念:CPU调度的时间单位
b) 进程:一个运行中的应用程序
c) 理解:多任务(进程/线程)系统,因为一个进程中至少有一条线程
d) 如何创建一条线程

  1. 继承线程父类:Thread : 必须重写父类Thread的run方法
    public class ThreadTest extends Thread{

    @Override
    public void run() {
    int count = 0;
    while(true){
    if(count++>20){
    break;
    }
    System.out.println(“子线程1…”);
    try {
    Thread.sleep(1000);
    } catch (InterruptedException e) {
    e.printStackTrace();
    }
    }
    }

}

//入口省略
ThreadTest tt = new ThreadTest();
tt.start();

  1. 实现Runnable接口:Runnable : 必须重写父类Thread的run方法
    public class RunnableTest implements Runnable{

    @Override
    public void run() {
    int count = 0;
    while(true){
    if(count++>20){
    break;
    }
    System.out.println(“子线程1…”);
    try {
    Thread.sleep(1000);
    } catch (InterruptedException e) {
    e.printStackTrace();
    }
    }
    }

}

//入口省略
RunnableTest rt = new RunnableTest();
Thread t = new Thread(rt);
t.start();

  1. 实现Callable接口:Callable : 必须重写父类Thread的run方法

e) 线程的态:

  1. Thread t = new Thread(); 新生态 New Born
  2. t.start(); 就绪态 ready
  3. 运行态 运行态 running
  4. 阻塞态 阻塞态
    阻塞的概念:程序暂停
    休眠:Thread.sleep(时间:单位毫秒);
    import java.util.concurrent.TimeUnit;
    TimeUnit.DAYS/HOURS/MINUTES/SECONDS/MILLISECONDS/
    MICROSECONDS/NANOSECONDS.sleep(单位长度);
    强制等待:线程对象.join(); 线程对象强制运行,其他线程等待
    礼让:线程对象.yeild(); 线程对象礼让一个时间单位
    等待:线程锁对象.wait(时间:单位毫秒);
    通知:线程锁对象notify(); 线程锁对象notifyAll();
    其他阻塞方法…. 例如String yes = input.next();
  5. 死亡态
  6. 让线程死亡的最安全方法:就是让循环条件不成立,在特定的情况下break;

f) 案例:

  1. 多人登山 并发,异步
  2. 多人就诊 并发,阻塞
  3. 多人抢票 同步(数据:synchronized)
    同步方法
  • 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
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