初步了解继承

 

package com.wangs;

public class AccountTest {
    public static void main(String[] args) {
        Account account = new Account();
        account.setName("小王pohyg");
        account.setPassword("145632");
        account.setBalance(12500.3);
        account.test();
    }
}

class Account {
    private String name;
    private double balance;
    private String password;
//提供两个构造器,一个是传递参数的,一个是无参构造器


    public Account() {

    }

    public Account(String name, double balance, String password) {
        this.setBalance(balance);
        this.setPassword(password);
        this.setName(name);
    }

    public String getName() {
        return name;
    }

    public void setName(String name) {
        if (name.length() == 2 || name.length() == 3 || name.length() == 4) {
            this.name = name;
        } else {
            System.out.println("给您一个初试的名字");
            this.name = "忘记";
        }

    }

    public double getBalance() {
        return balance;
    }

    public void setBalance(double balance) {
        if (balance > 20) {
            this.balance = balance;
        } else {
            System.out.println("余额必须大于20元");
        }

    }

    public String getPassword() {
        return password;
    }

    public void setPassword(String password) {
        if (password.length() == 6) {
            this.password = password;
        } else {
            System.out.println("您输入的密码不正确,给你初始密码123456");
            this.password = "123456";
        }
    }

    public void test() {
        System.out.println(name + password + balance);
    }
}

### YOLOv8n-pose 模型介绍 YOLOv8n-pose 是 Ultralytics 提供的一系列姿态估计模型中的轻量级版本之一。该模型继承了 YOLO 系列高效、快速的特点,同时针对人体姿态估计任务进行了优化。其主要功能是从图像或视频中检测并提取人体的关键点信息,这些关键点通常用于描述身体的主要部位(如头部、肩膀、肘部、手腕等),从而实现对人体姿势的精确建模。 #### 基本特点 - **轻量化设计**:作为 n 版本的一员,YOLOv8n-pose 在保持较高精度的同时显著降低了计算复杂度和内存占用[^4]。 - **实时性能**:得益于高效的架构设计,此模型非常适合嵌入式设备上的实时应用开发场景[^1]。 - **开源支持**:Ultralytics 官方提供了完整的文档和支持材料,便于开发者快速上手[^2]。 ### 使用方法概述 为了利用 YOLOv8n-pose 进行姿态估计任务,以下是几个核心环节: #### 加载预训练模型 可以通过官方库加载已有的预训练权重文件来初始化模型对象。例如,在 Python 中执行如下代码片段即可完成这一操作: ```python from ultralytics import YOLO model = YOLO('yolov8n-pose.pt') ``` 此处 `'yolov8n-pose.pt'` 表示存储有网络参数的具体路径名或者远程地址链接[^3]。 #### 预测流程定制化 预测阶段涉及定义如何处理输入数据以及解析输出结果等内容。具体而言,可以在 `ultralytics/models/yolo/pose/predict.py` 文件找到相关逻辑实现细节,并据此调整满足项目需求的部分。 #### 自定义训练过程 当现有公开数据集无法完全覆盖目标应用场景时,则需准备专属的数据集合来进行进一步微调工作。这包括但不限于标注新样本、配置相应的 YAML 描述文件等工作项。启动训练命令类似于下面这样: ```python if __name__ == '__main__': model = YOLO('yolov8s-pose.yaml') # 或者其他合适的初始方式 model.train(data='custom_data.yaml', epochs=100) ``` 其中 `data` 参数指定的是自定义数据源的位置;而 `epochs` 则控制整个学习周期长度[^3]。 ### 实际案例说明 某研究团队基于 YOLOv8n-pose 构建了一套解决方案,能够有效捕捉到不同情境下的人物动态变化情况,并且具备良好的泛化能力。他们不仅实现了单张图片内的多人物同步追踪效果,还额外增加了特征向量对比机制用来分类判断未知样例所属类别[^4]。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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