首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

Java语言中:在数据类型的讲解中补充的几个小问题

============================================================================= 1:在定义Long或者Float类型变量的时候,要加L或者f。   整数默认是int类型,浮点数默认是double。   byte,short在定义的时候,他们接收的其实是一个int类型的值。   这个是自己做了一个数据检测的,如果不再它们的范围内,就报错。 例如:     byte a = 50;  //其实50是int类型的。     short b = 100;   //其实100是int类型的。 ----------------------------------------------------------------------------- 2:byte值的问题:即默认是有符号的。   byte b1 = 127; //127   byte b2 = (byte)128; //-128   byte b3 = (byte)129; //-127   byte b4 = (byte)130; //-126   ......   byte b4 = (byte)255; //-1   byte b4 = (byte)256; //0   byte b4 = (byte)257; //+1 ---------------------------------------   byte b1 = -128; //-128   byte b2 = (byte)-129; //+127   byte b3 = (byte)-130; //+126   byte b4 = (byte)-131; //+125   ......   byte b4 = (byte)-255; //+1   byte b4 = (byte)-256; //0   byte b4 = (byte)-257; //-1 --------------------------------------- 所以有个规律是:在任何范围内,如果给个较大的值,在截取的时候,当比最大值还大的时候,又会绕回去从最小的开始。 所以有个规律是:在任何范围内,如果给个较小的值,在截取的时候,当比最小值还小的时候,又会绕回去从最大的开始。 ---------------------------------------   byte的范围:-128 ~ 127   128: 1000 0000   -128:1000 0000 (可以这样认为:这里的1即是符号位,也是数值位。)   其实1000 0000表示-0。   其实实际上byte的范围是 -127,-126,-125,...,-1,-0,+0,+1,...,+125,+126,+127   但是呢我们一般认为的是0不分正负的,所以为了区别以及为了超过范围数还能绕回去,叫做数据的回环!,就上面那样做了。 ----------------------------------------------------------------------------- 3:数据类型转换之默认转换:   byte,short,char --> int --> long --> float --> double           默认转换 但是呢?     long: 8个字节     float:4个字节 为什么long会在前面呢? --------------------------------------- 原因是:     A:它们底层的存储结构不同。所有的整数是按照1010...去存储的,但浮点数是按照科学计数法的表示的,所以存储的有效数字位以及次幂。     B:这样就导致了float表示的数据范围比long的范围要远远大。       long:-2^63 ~ 2^63-1       float:3.4*10^38 > 2*10^38 > 2*8^38 = 2*2^3^38 = 2*2^114 >> 2^63-1 --------------------------------------- Java浮点类型常量有两种表示形式:     十进制数形式,     如:3.14         314.0     科学记数法形式, 如:3.14e2    3.14*10^2   Java各整数类型有固定的表数范围和字段长度,其不受具体操作系统的影响,以保证Java程序的可移植性。   所谓的有效数字:具体地说,是指在分析工作中实际能够测量到的数字。所谓能够测量到指的是包括最后一位估计的不确定的数字。

01

目标检测 | 解决小目标检测!多尺度方法汇总

最开始在深度学习方法流行之前,对于不同尺度的目标,大家普遍使用将原图构建出不同分辨率的图像金字塔,再对每层金字塔用固定输入分辨率的分类器在该层滑动来检测目标,以求在金字塔底部检测出小目标;或者只用一个原图,在原图上,用不同分辨率的分类器来检测目标,以求在比较小的窗口分类器中检测到小目标。经典的基于简单矩形特征(Haar)+级联Adaboost与Hog特征+SVM的DPM目标识别框架,均使用图像金字塔的方式处理多尺度目标,早期的CNN目标识别框架同样采用该方式,但对图像金字塔中的每一层分别进行CNN提取特征,耗时与内存消耗均无法满足需求。但该方式毫无疑问仍然是最优的。值得一提的是,其实目前大多数深度学习算法提交结果进行排名的时候,大多使用多尺度测试。同时类似于SNIP使用多尺度训练,均是图像金字塔的多尺度处理。

03
领券