航电1004 气球数量问题

本文分享了一道ACM竞赛中的水题,讲述了因长时间未接触竞赛题目导致的解题困难,主要问题在于代码熟练度下降。题目要求找出输入字符数组中出现次数最多的一个,并考虑相同数量时按输入顺序输出。解决思路是使用一个指针跟踪最大数量的气球,遇到重复则回溯,记录每个字符串的出现次数,最终输出第一个最大数量的气球。附有AC代码。
摘要由CSDN通过智能技术生成

一道水题,但因为好久没有碰过竞赛题目,所以憋了挺久的。
当然,主要问题是,代码熟练度下降了不少,所以写的时候思路会莫名奇妙卡住。
改了半天算是A了,本身题目没啥难点,就是比较输入的字符数组里面最多的那一个,当然,有个陷阱是,在有相同数量的气球的时候,需要根据输入的顺序输出一个,也就是说,结果只有一个,就是第一个遇到的最大数量的气球。(没注意这个条件,导致WA了,注意审题)。
思路就是找个找一个“指针”flag,每次都指向新的气球,如果输入的气球是重复的,flag就退后一步,间接的把重复输入的字符串减掉了,当然,对应重复的字符串的数组大小+1,根据每个字符串对应的数组大小判断重复多少次,最后输出第一个最大的气球就可以了。
AC代码如下:

#include<iostream>
#include<cstring>
#include<algorithm> 
#include<string>
using namespace std;
int main(){
   
	char a[1005][20];
	char g[1005][
  • 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