异常

异常是导致程序中断运行的一种指令流,如果不对异常进行正确的处理,则可能导致程序的中断执行,造成不必要的损失,所以在程序中必须要考虑各种异常的发生,并正确做好相应的处理,这样才能保证程序的正常执行。
为什么要使用异常处理:在没有异常处理的语言中就必须使用判断语句,这样编写出来的代码就有大量的判断语句,即使这样也未必能扑捉到所有错误,而且这样会导致程序运行效率的降低,而使用异常处理机制,可以增进程序的稳定性及效率。
编写异常的格式:
try{
    //有可能出现异常的语句
}
catch(异常类    异常对象){
    //编写异常的处理语句
}[
catch(异常类    异常对象){
    //编写异常的处理语句
}
]...
[finally{
    //一定会运行的程序代码
}]

代码示例:

public class Test1 {

    public static void main(String[] args) {
        System.out.println("*******开始计算**********");
        int i=10;
        int j=0;
        try{
            int temp=i/j;//此处会产生异常
            System.out.println("两个数字相除结果:"+temp);//代码不执行
            System.out.println("---------------");
        }
        catch(ArithmeticException e){//扑捉算数异常
            System.out.println("出现异常了:"+e);//出现异常执行异常处理代码
        }
        finally{
            System.out.println("不管是否出现异常,都要执行finally里面的代码");
        }
        
    }

}

异常类的继承结构:
在整个java异常结构中,有两个最常用的类,分别是exception和error,这两个类都是throwable的子类
exception:一般表示的是程序中出现的问题,可以直接使用try...catch处理
error:一般表示的是JVM错误,程序中无法处理
throws关键字:
在定义一个方法时可以使用throws关键字,使用throws关键字表示此处不处理异常,而交给方法的调用处进行处理,throws关键字的使用格式如下
public    返回值类型    方法名称    (参数列表) throws    异常类{}
示例代码:

public class Test2 {
    public int div(int i,int j) throws Exception{
        int temp=i/j;
        return temp;
    }

}

throw关键字:
抛出一个异常,抛出时直接抛出异常类的一个实例化对象
示例代码:

public class Test2 {
    public static void main(String[] args) {
        try{
            throw new Exception("抛出的异常");
        }
        catch(Exception e){
            System.out.println(e);
        }
    }
}


  • 0
    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