javascript高级(7)-ES5中新增的方法

3 ES5中的新增方法

3.1 ES5新增方法概述

ES5中给我们新增了一些方法,可以很方便的操作数组或者字符串,这些方法主要包括:

  • 数组方法
  • 字符串方法
  • 对象方法

3.2数组方法

迭代(遍历)方法:forEach(),map(),filter(),some(),every();
forEach()

array.forEach(function(currentValue,index,arr))
  • currentValue:数组当前项的值
  • index:数组当前项本身
  • arr:数组本身
var arr = [1,3,5,67];
arr.forEach(function(value,index,array){
	console.log(value);//1|3|5|67
	console.log(index);//0|1|2|3
	console.log(array);//1,3,5,67
})

filter()

array.filter(function(currentValue,index,arr))
  • filter()方法创建一个新数组,新数组中的元素,是通过检查指定数组中符合条件的所有元素,主要用于筛选数组
  • 注意它直接返回一个新数组
  • currentValue:数组当前项
  • index:数组当前项本身
  • arr:数组本身
var arr = [12,45,1];
var newArr = arr.filter(function(value,index,arr){
	return value >=20
})
console.log(newArr);//[45]

some()

array.some(function(currentValue,index,arr));
  • some()方法用于检测数组中的元素是否满足指定条件,通俗点查找数组中是否有满足条件的元素
  • 注意它的返回值是布尔型,如果查找到这个元素,就返回true,如果查找不到就返回false
  • 如果找到第一个满足条件的元素,则终止循环,不在继续查找
  • currentValue:数组当前项的值
  • index:数组当前项本身
  • arr:数组本身
 var arr = [10,30,4];
var flag= arr.some(function(value){
 	return value>=20;
 });
 console.log(flag);//true

3.3字符串方法

trim()方法会从字符串两端删除空白字符。

str.trim()

trim()方法并不影响原字符串本身,它返回的是一个新的字符串。

var str = '   andy    ';
var str1 = str.trim();
console.log(str);//    andy    
console.log(str1);//andy

3.4对象方法

1.Object.keys(obj)用于获取对象自身的所有的属性

Object.keys(obj);
  • 效果类似for…in
  • 返回一个由属性名组成的数组
var obj = {
	name:'hhh';
	age:10
};
var arr = Object.keys(obj)
console.log(arr);//["name","age "]

2.Object.defineProperty()定义对象中新属性或修改原有的属性

Object.defineProperty(obj,prop,descriptor);
  • obj:必需。目标对象
  • prop:必需。需定义或修改的属性名字
  • descriptor:必需。目标属性所拥有的特征
    Object.defineProperty() 第三个参数descriptor说明:以对象形式{}书写
  • value:设置属性的值,默认underfined
  • writable:是否可以重写。true|flase
  • enumerable:目标属性是否可以被枚举。true|flase,默认为false
  • configurable:目标属性是否可以被删除或是否可以再次修改特性true|false。默认为false
var obj = {
	name: 'yph',
	age : 23,
	work : 'nowork'
}
//1.以前的对象添加修改属性的方式
//obj.work = 'yes'
//obj.hobby = 'games'
//2.Object.defineProperty()定义对象中新属性或修改原有的属性
Object.defineProperty(obj,'num',{
	value:1000
})//相对于obj.num = 1000
Object.defineProperty(obj,'name',{
//不允许修改name
 writable:false
})
Object.defineProperty(obj,'address',{
value:'xxx省xxx市'//false不允许遍历,默认false
 enumerable:false,
 //不允许删除
 configurable:false
})
  • 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 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