20170627总结

20170627总结
今天进入真正的图论,复习了DFS序、LCA和最小生成树。LCA的两种方法,倍增写得很熟,RMQ则不那么熟练,学长提及了玄学的ST表,于是又把这个构造O(n)查询O(1)的神奇结构复习了一遍。我记得RMQ除了线段树,树状数组和ST表以外,还有一种叫莫队的东西。我九上的时候接触过,现在都忘完了,期待过几天讲数据结构的时候能遇到。关于最小生成树,虽然知道kruskal和prim两种算法,但是自己感觉这个东西如果研究深了也是很棘手的。比如今天的例题NOI2014魔法森林,虽然费劲脑力听懂了思路,但是自愧写不出来,对代码要求很高。增量最小生成树和次小生成树我都在CSDN上看了博客,思路清晰了,但是不知道写的时候会不会出问题。学长最后讲的有向图最小生成树,即最小树形图,我没听懂,因为时间匆忙,也没有问,得多研究研究CSDN的两篇博文。
下午考试三道打baoli居然还得了130,意料之外。三道题都比较难。T1和货车运输很像,因为写过货车运输,惯性思维就想到LCA,事实证明我想复杂了。这道题多用笔画画图应该能想出正解。T2也是差一点想到正解,也是想复杂了。这里我总结出一种化繁为简的思考方法,即不要全面地考虑整个问题,应该把它分成子问题,逐个击破,而且想一个子问题的时候就不要受另外子问题的干扰。这道题我做复杂了,写了一个SPFA,两个BFS,一个DFS才写出来,不过我能在40分钟把它写和调出来还是值得欣慰的,看来多考考对代码能力提升很大。T3貌似数据有些问题,到现在还不知道怎么做,等明天大神讲。

  • 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