2018吉林信息学冬令营day2

测试成绩被吃了、、、

(不知道出了什么问题,明早发???)

上午讲课实况

单调队列,树状数组,并查集,数据结构(栈堆),优先队列。

下午测试

开场依然送命题。。。
完全是乱的不知道咋写
依然搁下看T2

先T2

有个人,还有一堆罐子。
罐子被锁上了,要么摔破罐子要么用钥匙开
每个罐子里都有一个能开别的罐子的钥匙
问最少摔几个罐子 (真是个乖宝宝不乱搞破坏qwq)
给出里面钥匙是哪个罐子的和罐子数。
看数据。。。不大反正
再看看
我c这什么傻逼题啊。。。
并查集裸题吗这不。。。
开开心心敲了半个点,水样例,成功!
好出个极限数据。。。
咦好快
好了100分。。。
依然想对了正解,然而还是有巨坑

然后看T3

在直道上有好多车,每个车起点不同,给出起点和速度求发生了多少次超车。 (怎么玩这么大啊出了事故怎么办一点也不乖qwq)
想了一会,不会!!!
上午讲的什么来着?
好像叫逆序对把
咋写来着
我c忘了!
mmp。。。
暴力吧
看数据范围
妥了,这题暴力40 (不拿不是人)
每一个都遍历他前面的找出能超的(提前按坐标排序)
时间复杂度O(∞) (其实是我不会算)
然后输出走人
好了140
也不知道对不对
行了我满足了、、、
正解逆序对,然而不会写、、、

最后T1

一个长方体,可以从中间挖坑(联盟挖掘机)左下到右上或者走平面
要求走平面的话必须走最短的整数路
给出长然后求所有最短路的平方和的平均值
最后没办法了看时间还够算了暴力吧
愉快的敲出一坨东西也不知道对不对。。。
水样例
我c怎么炸了
一看
没有还得写null!
还得约分!!!
辗转相除忘了,更相减损术也忘了
算了也写暴力吧
又敲敲敲,敲出又一大坨
样例过了
也不知道多少分...希望多点吧。。。

总结与反思

出来才知道T2可以是个环。。。
我c那不就死递归了
完蛋
大家T1都写了暴力?
T3还是暴力???
什么鬼。。。
成绩不知道
(这里留下一个巨坑)
T1正解暴力枚举:枚举较短两边的和平面的路线(如果合法的话)一定是走在了一条最长边的相邻两面上(即一定为sqrt(a2 + (b + c)2)同时 a > b 且 a > c),这样就可以方便的计算了。计算1到n的平方和可以使用公式。
但是巨坑long long (我依然想到了)
T2正解并查集,但是注意环
T3正解逆序对:求逆序对可以用归并排序或者树状数组;注意一种情况,就是速度相等。

代码

大坑待补
  • 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