第五章作业

本文探讨了Java中封装和多态的概念,并通过具体代码示例展示了如何利用这些特性实现更好的代码组织和重用。文章重点介绍了访问控制符的作用、方法重写的原则,以及如何通过多态提高程序的灵活性。

1. 封装, 多态

2. 通过访问控制符

3. 访问控制符和对象引用。

4. 其他类不能访问, 子类可以访问。

5.

       equals(Object obj)

       finalize()

       getClass

       hashCode()

       notify

       notifyAll();

       wait()

       Clone()

       toString()

6. 函数同名。 形参不同

7. 父类该方法不是pravite. 可以重载。

8. 可重用, 可扩展, 便于维护。

9.

class Src{
    int var;
	private String message = "";
	public Src(int v){ 
		var = v;
	}
	
	public void changeVar(int v, Dis d){
		var = v;
		d.getMessage("var change", this);
	}
	public void getMessage(String str){
		message = str;
	}
	public void display(){
		System.out.println(message);
	}
}
class Dis{
	private String message = "";
	private int var = -1;
	public Dis(){}
	public void getMessage(String str, Src s){
		var = s.var;
		message = str;
	    s.getMessage("I get the message");
	}
	public void display(){
		System.out.println(message + " it's " + var);
	}
}

public class dummy {
    
	public static void main(String[] args) {
		Src s = new Src(2);
		Dis d = new Dis();
		s.changeVar(3, d);
		d.display();
		s.display();
	}
}


植物实例分割数据集 一、基础信息 数据集名称:植物实例分割数据集 图片数量: - 训练集:9,600张图片 - 验证集:913张图片 - 测试集:455张图片 总计:10,968张图片 分类类别:59个类别,对应数字标签0至58,涵盖多种植物状态或特征。 标注格式:YOLO格式,适用于实例分割任务,包含多边形标注点。 数据格式:图像文件,来源于植物图像数据库,适用于计算机视觉任务。 二、适用场景 • 农业植物监测AI系统开发:数据集支持实例分割任务,帮助构建能够自动识别植物特定区域并分类的AI模型,辅助农业专家进行精准监测和分析。 • 智能农业应用研发:集成至农业管理平台,提供实时植物状态识别功能,为作物健康管理和优化种植提供数据支持。 • 学术研究与农业创新:支持植物科学与人工智能交叉领域的研究,助力发表高水平农业AI论文。 • 农业教育与培训:数据集可用于农业院校或培训机构,作为学生学习植物图像分析和实例分割技术的重要资源。 三、数据集优势 • 精准标注与多样性:标注采用YOLO格式,确保分割区域定位精确;包含59个类别,覆盖多种植物状态,具有高度多样性。 • 数据量丰富:拥有超过10,000张图像,大规模数据支持模型充分学习和泛化。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO、Mask R-CNN等),可直接用于实例分割任务,并可能扩展到目标检测或分类等任务。
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