DAY4:方法

一.方法及方法的封装
   1. 封装方法
    方法:具备相对独立功能的代码块集合
    优点:
    1.避免重复代码,有利于代码的重复利用
    2.降低main方法的冗余度
    3.高内聚,低耦合:向功能尽量独立
    2. 方法的定义:
    public void 方法名(){
        方法体
    }
    3.方法的调用:
    方法名();
    4.参数种类:
    1.形式参数:不真实存在,用于提示和限制数据传入的参数
    2.实际参数:真实存在的,传入方法的参数
    传参的时候,一定要按照参数列表的顺序和类型严格对应传入
    3.参数的传递时值传递

示例代码

import java.util.Scanner;
public class FunStu{
	public static void main(String[] args){
		System.out.println("main方法开始");
		int a = 3;
		double b = 2.5;
		sum1(a,b);
		System.out.println("a="+a+",b="+b);
		System.out.println("main方法结束");
	}
	//定义方法,让用户输入两个整数,打印整数的和
	public static void sum(){
		Scanner sc = new Scanner(System.in);
		System.out.println("请输入第一个整数");
		int a = sc.nextInt();
		System.out.println("请输入第二个整数");
		int b = sc.nextInt();
		System.out.println(a+"+"+b+"="+(a+b));
	}
	//求两个整数的和
	public static void sum1(int a,double b){
		System.out.println(a+"+"+b+"="+(a+b));
	}
	
}

二.方法返回值
    public static 返回值类型 方法名(形参列表){
        方法体
    }
    return关键字:
    1.返回值
    2.跳出方法
    void:没有返回值
    注意点:
    1.void方法内能够使用return用于跳出方法
    2.一个方法内可以同时有多个return,但是同一种情况下只能执行一个
    3.有返回值类型的方法必须保证能够执行一个return
    参数与返回值的类型转换:
    支持类型的自动转换
示例代码:

public class ReturnStu{
	public static void main(String[] args){
		int a = 100;
		int b = 1000;
		double c = sum(100,1000);//可以不接受
		System.out.println("c="+c);
	}
	public static float sum(int a,float b){
		float c = a + b;
		System.out.println(a+"+"+b+"="+c);
		return c;
	}
	public static void test(){
		int number = (int)(Math.random()*(3-1+1))+1;
		System.out.println(number);
		if(number==1){
			return;
		}
		System.out.println("你今天的运气不错");
	}
	public static String checkSex(int sex){
		if(sex==1){
			return "男";
		}else if(sex!=1){
			return "女";
		}else{
			return "人妖";
		}
	}
}

 

  • 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