递归的引入

什么是递归:
 *         方法调用方法的一种现象!(不是方法嵌套方法)
 * 方法递归的特点:
 *     1)定义一个方法
 *     2)这个方法要有结束条件(没有出口条件,造成死递归)
 *     3)还要复合一定的规律
 * 
 * 构造方法没有递归

/*
 * 求5的阶乘
 * */
public class DiGuiTest {
	public static void main(String[] args) {
		//递归思想
		System.out.println("5的阶乘是:"+getInt(5));
	}
	//定义一个方法
	private static int getInt(int n) {
		//结束条件
		if(n==1) {
			return 1;
		}else {
			return getInt(n-1)*n;
		}
	}
}

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
YOLOv7引入递归门控卷积(gnConv)来改善目标检测效果。主干特征提取网络为CNN网络,而CNN具有平移不变性和局部性,但缺乏全局建模长距离建模的能力。为了解决这个问题,YOLOv7引入了自然语言处理领域的框架Transformer,并将其与CNN网络相结合形成了CNN Transformer架构。 通过引入递归门控卷积(gnConv),YOLOv7实现了高阶空间交互。gnConv是一种门控卷积和递归设计,它具有高度的灵活性和可定制性,并能够将自注意力中的二阶交互扩展到任意阶,而不会引入大量额外的计算。这使得gnConv可以作为一个即插即用的模块来改进各种视觉Transformer和基于卷积的模型。 通过引入递归门控卷积,YOLOv7能够充分利用CNN和Transformer两者的优点,提高目标检测的效果。特别是对于小目标以及密集预测任务,经过实验表明,YOLOv7引入递归门控卷积能够产生一定的提升效果。同时,这种改进方法不仅适用于YOLOv7,也可以应用于其他的YOLO网络以及目标检测网络,如YOLOv6、v4、v3、Faster RCNN、SSD等。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [YOLOv7改进之二十二:涨点神器——引入递归门控卷积(gnConv)](https://blog.csdn.net/m0_70388905/article/details/126142505)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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