备战中信

写在前面,明天要进行中信复试,关于Java的复习看了这篇博客,总结如下

关于面向对象

一共有4种特征,分别是抽象;继承;分装;多态
抽象将一类对象的公共特征总结出来构造类的过程。分为数据抽象和行为抽象。抽象只关注对象有哪些属性和行为,并不关注这些行为的细节是什么。
继承就是从已有的类继承一些信息构造新类的过程。
封装就是将数据和对这些数据的操作方法封装起来,对于外界只提供一个简单的接口。
多态性就是指相同的对象调用相同的方法,会做出不同的事情。多态性分为编译时的多态性也称为前绑定,和运行时的多态性也称为后绑定。方法重载实现的是编译时的多态性,而方法重写实现的是运行时的多态性。实现多态需要做两件事情,第1个方法重写,第2个对象造型。方法重写是指子类继承父类并重写父类中已有的或抽象的方法。对象造型是父类型引用子类型对象。

关于修饰符

在这里插入图片描述

掌握外部类的修饰符,只能是默认或者public。而内部类的修饰符则可以是4种中的任意一个。

关于数据类型

基本数据类型有byte,short,int,long,char,boolean,float,double 八种,用栈
引用数据类型分为三大类,分别是类,数组以及接口。用堆

  1. 类常有object,string,date,void
  2. 数组指相同引用数据类型的元素集合
  3. 接口有list,add(),remove(),get(),set(),map<K,V>,put(K key,V value)

补充-List,Set,Map之间的区别?
List:

  1. 可以允许重复的对象。
  2. 可以插入多个null元素。
  3. 是一个有序容器,保持了每个元素的插入顺序,输出的顺序就是插入的顺序。
  4. 如果经常使用索引来对容器中的元素进行访问,或希望插入顺序有序,那么 List 是你的正确的选择
  5. 常用的实现类有 ArrayList、LinkedList 和 Vector。ArrayList 最为流行,它提供了使用索引的随意访问,而 LinkedList 则对于经常需要从 List 中添加或删除元素的场合更为合适。

Set:

  1. 不允许重复对象
  2. 无序容器,你无法保证每个元素的存储顺序,TreeSet通过 Comparator 或者 Comparable 维护了一个排序顺序。
  3. 只允许一个 null 元素。
  4. 想保证插入元素的唯一性
  5. Set 接口最流行的几个实现类是 HashSet、LinkedHashSet 以及 TreeSet。最流行的是基于 HashMap 实现的 HashSet;TreeSet 还实现了 SortedSet 接口,因此 TreeSet 是一个根据其 compare() 和 compareTo() 的定义进行排序的有序容器。

Map:

  1. 值对象可重复,且可以又多个null值,但是,键对象必须唯一,且最多只能有一个null值。
  2. 以键和值的形式进行数据存储那么 Map 是你正确的选择
  3. TreeMap 也通过 Comparator 或者 Comparable 维护了一个排序顺序。
  4. Map 接口最流行的几个实现类是 HashMap、LinkedHashMap、Hashtable 和 TreeMap。(HashMap、TreeMap最常用)

判断单精度或双精度

数后跟F/f为单精度,数后跟L/l为双精度。什么都不写默认双精度。

栈和堆

从五个方面进行解释

  1. 申请内存大小
    栈,它的栈顶位置和栈的最大容量由系统预先设定好
    堆,申请内存大小受限于计算机系统的有效虚拟内存
    两者比较而言,可以获取的内存大小栈是小于堆的
  2. 分配与释放方式
    栈,内存分配与释放是由编译器自动完成的
    堆,内存分配与释放完全由程序员手动申请与释放
  3. 分配效率
    栈,只要栈的剩余空间大于所申请空间,系统就将为程序提供内存,否则提示栈溢出
    堆,收到申请后,从空闲内存中寻找第一个空间大于所申请空间的堆节点,然后将该节点从空闲节点链表中删除,并将该节点的空间分配给程序
  4. 碎片问题
    对于堆而言,由于频繁的分配释放,会导致出现大量碎片
  5. 存储内容
    栈,存储函数的参数与局部变量,先存参数,后存局部变量
    堆,由程序员根据需要决定存储数据

HashTable和HashMap的区别

HashTable:底层数组+链表实现,无论key还是value都不能为null,线程安全,是同步的
HashMap:底层数组+链表实现,可以存储null键和null值,线程不安全,是不同步的

  • 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