“21天好习惯” 第一期-15

6. 排序子句

LINQ可以按元素的一个或多个属性对元素进行排序。LINQ表达式的排序方式分为OrderBy、OrderByDescending、ThenBy、ThenByDescending这四种。

6.1 OrderBy和OrderByDescending

OrderBy用于按元素的值进行升序,语法:orderby 用于排序的元素的表达式

OrderByDescending用于按元素的值进行降序,

语法:orderby 用于排序的元素的表达式 descending

List<CustomerInfo> clist = new List<CustomerInfo> 
{ 
                  new CustomerInfo{ Name="欧阳晓晓", Age=35, Tel ="1330708****"},
                  new CustomerInfo{ Name="上官飘飘", Age=17, Tel ="1592842****"},
                  new CustomerInfo{ Name="欧阳锦鹏", Age=35, Tel ="1330708****"},
                  new CustomerInfo{ Name="上官无忌", Age=23, Tel ="1380524****"}
};

//按照年龄升序
var query = from customer in clist
            orderby customer.Age
            select customer;
Console.WriteLine("按年龄升序排列");
foreach (var ci in query)
       {
          Console.WriteLine("姓名:{0} 年龄:{1} 电话:{2}", ci.Name, ci.Age, ci.Tel);
       }
//按照年龄降序
var query2 = from customer in clist
             orderby customer.Age descending
             select customer;
Console.WriteLine("\n按年龄降序排列");
foreach (var ci in query2)
       {
           Console.WriteLine("姓名:{0} 年龄:{1} 电话:{2}", ci.Name, ci.Age, ci.Tel);
       }

//运行结果:
//
//按年龄升序排列
//姓名:上官飘飘 年龄:17 电话:1592842****
//姓名:上官无忌 年龄:23 电话:1380524****
//姓名:欧阳晓晓 年龄:35 电话:1330708****
//姓名:欧阳锦鹏 年龄:35 电话:1330708****
//
//按年龄降序排列
//姓名:欧阳晓晓 年龄:35 电话:1330708****
//姓名:欧阳锦鹏 年龄:35 电话:1330708****
//姓名:上官无忌 年龄:23 电话:1380524****
//姓名:上官飘飘 年龄:17 电话:1592842****

6.2 ThenBy和ThenByDescending

ThenBy和ThenByDescending用于对元素进行次要排序。基本语法:

orderby 用于排序的元素表达式,用于排序的元素表达式

orderby 用于排序的元素表达式,用于排序的元素表达式 descending

List<CustomerInfo> clist = new List<CustomerInfo> { 
     new CustomerInfo{ Name="欧阳晓晓", Age=35, Tel ="1330708****"},
     new CustomerInfo{ Name="上官飘飘", Age=17, Tel ="1592842****"},
     new CustomerInfo{ Name="郭靖", Age=17, Tel ="1330708****"},
     new CustomerInfo{ Name="黄蓉", Age=17, Tel ="1300524****"}
};

//按照年龄升序,再按名字的字数次要排序
var query = from customer in clist
            orderby customer.Age,customer.Name.Length
            select customer;
            Console.WriteLine("按年龄排列,按名字字数进行次要排序");
            foreach (var ci in query)
            {
             Console.WriteLine("姓名:{0} 年龄:{1} 电话:{2}", ci.Name, ci.Age, ci.Tel);
            }
            //按照年龄升序,再按名字的字数降序次要排序
var query2 = from customer in clist
             orderby customer.Age, customer.Name.Length descending
             select customer;
             Console.WriteLine("\n按年龄排列,按名字字数进行降序次要排序");
foreach (var ci in query2)
{
      Console.WriteLine("姓名:{0} 年龄:{1} 电话:{2}", ci.Name, ci.Age, ci.Tel);
}
//按照年龄升序,再按名字的字数降序要排序,在按电话号码进行第三条件排序
var query3 = from customer in clist
             orderby customer.Age, customer.Name.Length,customer.Tel
             select customer;
            Console.WriteLine("\n按年龄,名字字数,电话号码排序");
foreach (var ci in query3)
{
      Console.WriteLine("姓名:{0} 年龄:{1} 电话:{2}", ci.Name, ci.Age, ci.Tel);
}

//按年龄排列,按名字字数进行次要排序
//姓名:郭靖 年龄:17 电话:1330708****
//姓名:黄蓉 年龄:17 电话:1300524****
//姓名:上官飘飘 年龄:17 电话:1592842****
//姓名:欧阳晓晓 年龄:35 电话:1330708****
//
//按年龄排列,按名字字数进行降序次要排序
//姓名:上官飘飘 年龄:17 电话:1592842****
//姓名:郭靖 年龄:17 电话:1330708****
//姓名:黄蓉 年龄:17 电话:1300524****
//姓名:欧阳晓晓 年龄:35 电话:1330708****
//
//按年龄,名字字数,电话号码排序
//姓名:黄蓉 年龄:17 电话:1300524****
//姓名:郭靖 年龄:17 电话:1330708****
//姓名:上官飘飘 年龄:17 电话:1592842****
//姓名:欧阳晓晓 年龄:35 电话:1330708****

  • 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