java网课|类和对象

P98 类和对象的关系

分别是什么
类:

  • 图纸
  • 一类事物的描述
  • 抽象的

对象:

  • 实物
  • 一类事物的实例
  • 具体的

实例化:

  • 即创建对象

P99 类的定义

成员变量:

  • 直接定义在类当中,在方法外面
  • 如果没有赋值,会有一个默认值
    ·string==>null
    ·int==>0

成员方法:

  • 不要写static关键字

P102 一个对象的内存图

在这里插入图片描述
源代码:
在这里插入图片描述
自我小结:

  • 方法都进栈stack
  • 成员变量都在堆heap中
  • 成员方法的地址在堆heap中
  • 成员方法的内容在方法区(MethodArea)中(由heap中的地址指向MA)

P103 两个对象使用同一个方法的内存图

情况:创建了两个对象都调用一个方法
在这里插入图片描述

赋值:两者地址会是同一个值

//Phone是已声明的手机类
	Phone one=new Phone();
	Phone two=one; //one和two的地址都会是同一个值----->会指向同一个对象空间
  • 栈中按main方法中的顺序,依次运行成员方法
  • 成员方法也在栈中运行,运行完立即出栈
  • 运行到main方法最后一行:整个main方法出栈

P105 使用对象类型作为方法的参数

//
public class Phone2 {
    public static void main(String[] args) {
        Phone one=new Phone();
        one.brand="苹果";
        one.price=8388.0;
        one.color="土豪金";

        method(one);//one是一个地址值
    }

    public static void method(Phone param){//!!可以用自定义的类作为参数
        System.out.println(param.brand);
        System.out.println(param.price);
        System.out.println(param.color);
    }
}

带有static的就是普通方法

public static void method(){}

当一个对象作为参数,传递到方法当中时,实际上传递进去的是对象的地址值

P106

main方法没有创建对象,它的对象two是从getPhone中返回值得到的

public class Demo04PhoneParam{
	public static void main(String[]args){
		Phone two=getPhone();//调用getPhone函数,要接收的是Phone类型故也声明Phone类型的对象
		System.out.println(two.brand);
		System.out.println(two.price);
		System.out.println(two.color);
		}
		
	public static Phone getPhone(){//注意此刻的返回类型位Phone类类型
		Phone one=new Phone();//再函数内创建对象one,后又返回该对象
		one.brand="苹果";
		one.price=8388.0;
		one.color="玫瑰金";
		return one;//返回的是Phone类的对象one

返回值其实是对象的地址值
在这里插入图片描述
顺序:方法区放入—》方法进栈—》new后的东西进堆

  • 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
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