js ---数组去重

去除数组中的重复项

分析:首先,先创建一个新的空数组,遍历需要去重的数组,然后,将没有重复的数组元素添加到新的这个空的数组中。

方法一:用两个for循环

var  arr = [20,20,30,30,60,15,29,15];
function arr_2(arr)
{
	
		var result=[];
		var num = result.length;

        // 遍历数组arr[]
     for(var i = 0;i < arr.length;i ++)
     {
        // 遍历数组result,但是result的length在变化
           for(var j = 0;j<result.length;j++)
            {

                // 如果arr[i]等于result[j],就跳出循环,不让 j++ ,此时跳出循环的j,没有到 result.length
        		if(arr[i] == result[j])
        		{
                   break;   
        	    }
          }
  //随后判断,j 是否等于  result.lenght,如果等于,则这个for循环运行到了最后,没有中途break,即没有重复项,就添加到新的数组中,否则,不添加到新的数组中
        	if(j==result.length)
        	  {
        	    result[result.length] = arr[i];
        	  }
     }
     console.log(result)   	
}
    arr_2(arr)

方法二:用关联数组,哈希数组(一个for循环)

 function hash(arr){
     	// 创建两个空数组,
          for(var i=0,result=[],new_arr=[];i<arr.length;i++)
          {
                  // arr的数据存放 为result的下标(下标是唯一的),若下标为undefined,则没有创建这个下标,若不为undefined,则已经存在这个下标

               if(result[ arr[i] ]===undefined)	 
                 {
                     // 根据result 中不重复的下标---arr[i]   (将arr的重复项 自动不记录在内)  然后赋值给  new_arr[]  ---------根据下标不重复,来  将不重复的元素添加到 新的数组 中
                     
                 	new_arr[ new_arr.length ]=arr[i];
                 	
                         // 这里是给result 数组  的不同下标  存储数据 ,让已创建的下标的内容不为 undefined ,好进行下一次的判断
                 	result[arr[i]]=true;
                 }
          }
          console.log(new_arr)
     }
     hash(arr)

方法三:用ES6 set方法

Array.prototype.fun = function(){
    return Array.from( new Set( this ) )
}
let arr =[1,2,3,3,4,5,4,4]
arr.fun()

  • 1
    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