求余算法(非%!!)

使用%进行求余:
        DWORD x = 31;
DWORD y = 16;

unsigned k = 0;
DWORD t1 = GetTickCount();
for(k=0; k<10000000; k++){
y = x % 16;
}
TRACE("\n%lu\n", GetTickCount() - t1); 
输出在47 - 67之间; 

 使用位移进行求余

        DWORD x = 31;
DWORD y = 16;

unsigned k = 0;
DWORD t1 = GetTickCount();
for(k=0; k<10000000; k++){
y = ((x << 28) >> 28);
}
TRACE("\n%lu\n", GetTickCount() - t1);   

输出在31-32之间。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
极大值抑制(Non-Maximum Suppression,NMS)算法是一种用于目标检测中的方法,它的主要原理是抑制不是极大值的元素,从而选择具有最高置信度的边界框。NMS算法的目的是消除多余的窗口,找到最佳物体检测位置。 NMS算法的基本思想是,在目标检测过程中,检测器会生成多个候选边界框,每个边界框都有一个对应的置信度分数。为了选择最佳的边界框,NMS算法会先按照置信度对边界框进行排序,然后从置信度最高的边界框开始,逐个比较其它边界框。 具体步骤如下: 1. 对所有候选边界框按照置信度进行降序排序。 2. 选择置信度最高的边界框作为初始边界框,并将其添加到最终的结果列表中。 3. 逐个比较当前边界框与其它边界框的重叠程度。如果重叠程度高于预设的阈值(例如IoU阈值),则将该边界框剔除,否则将其添加到最终的结果列表中。 4. 重复步骤3,直到所有的边界框都被比较完毕。 5. 最终,最终的结果列表中只保留了置信度最高且没有被剔除的边界框,即为NMS算法的输出结果。 通过这种方式,NMS算法能够有效地消除重复的边界框,只保留具有最高置信度的边界框,从而提取出目标检测中分数最高的窗口。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [目标检测中NMS(极大值抑制)原理解析](https://blog.csdn.net/weixin_61961691/article/details/129415238)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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