DAY14:数组

数组

数组基础:

一.概念:一组数据类型相同的数据的集合

二.内存:连续的内存空间,数组在内存中所占的空间将被确定下来

三.数组的定义:

 * 数据类型[ ]  引用名;

 * 数据类型  引用名[];

四.初始化:

 * 动态初始化: 引用名 = new  数据类型[长度];

 * 静态初始化: 引用名= new 数据类型[]{元素1,元素2,元素3.....};

 * 简化静态初始化:数据类型[] 引用名 = {3,4,5,6,7};.//只有在定

义数组的同时执行数组初始化才支持使用简化的静态初始化

五.元素的读写操作:

  第一个数组元素的索引值为0,最后一个元素索引值为数组长度减1

 * 引用名[索引] = 值;

 * 变量 = 引用名[索引];

六.数组的遍历:

 * 属性:length,并通过循环来遍历数组中的每个元素

七.数组是一种引用数据类型数组引用 变量只是一个引用,该引用变量指向任何有效内存

引用类型的数组:数组内存储的是对象的地址,不是对象本身;堆内存中不再有任何引用变量指向自己,则该十足将成为垃圾,所占内存将会被系统的垃圾回收机制回收

八.数组类型的转换:

 * 1.父类型数组引用可以指向子类型数组对象

 * 2.数组的元素可以根据类型转换的规则转换(例如:父类型数组可以存储子类型对象的地址)

二维数组

一个数组的数据类型为一维数组

二位数组的定义:

Int [ ] [ ] arr=new int[行数] [列数];//标准矩形

Int [ ] [ ] arr=new int[ ] [ ]{{元素1元素2,…},{元素1元素2,…},…};

Int [ ] [ ] arr= {{元素1元素2,…},{元素1元素2,…},…};

二维数组遍历:多层循环

  • 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