BZOJ 1088 扫雷Mine

7 篇文章 0 订阅

今天做了几道BZOJ的题,发现统观题目时还是很多很多都不会的,不过还是有几道时可以作的,以后要慢慢加强,争取多做题
BZOJ 1088 扫雷
其实本人平常不大玩扫雷的,就算玩也不是很好,不过看n*2的扫雷,也是微醺啊QAQ

1088: [SCOI2005]扫雷Mine

Time Limit: 10 Sec Memory Limit: 162 MB
Submit: 2299 Solved: 1345
[Submit][Status][Discuss]
Description

相信大家都玩过扫雷的游戏。那是在一个n*m的矩阵里面有一些雷,要你根据一些信息找出雷来。万圣节到了,“余”人国流行起了一种简单的扫雷游戏,这个游戏规则和扫雷一样,如果某个格子没有雷,那么它里面的数字表示和它8连通的格子里面雷的数目。现在棋盘是n×2的,第一列里面某些格子是雷,而第二列没有雷,如下图: 由于第一列的雷可能有多种方案满足第二列的数的限制,你的任务即根据第二列的信息确定第一列雷有多少种摆放方案。

Input

第一行为N,第二行有N个数,依次为第二列的格子中的数。(1<= N <= 10000)

Output

一个数,即第一列中雷的摆放方案数。

Sample Input
2
1 1
Sample Output
2

这道题可以看出,因为知道第二列每个点附近有几个雷,有知道附近指的是八联通,又因为是n*2的雷区。。所以不难想到,每个第二列的点,炸弹数分布在三个格中(收尾除外,为两个),所以由第二列第一个点附近的雷数,可以得到第一列第一二格是否有雷,所以往下找就能找到,最后只需要判断是否合法就好
其转移可表示为
boom[i]=num[i-1]-(boom[i-1]+boom[i-2]);
(num为第二列的点的值,boom是第一列是否有雷0无雷1有雷)

下面是代码(写到一半发现其实写个过程就简短多了,然而。。。)/(ㄒoㄒ)/~~

#include<iostream>
#include<cstdio>
#include<algorithm>
#include<cstring>
using namespace std;
int n;
int num[10010]={0};//存储第二列的每个格里的数,及附近炸弹数 
int boom[10010]={0};//第一列是否有炸弹(0为无炸弹,1为炸弹) 
int ans=1;

int main()
{
    scanf("%d",&n);
    memset(boom,0,sizeof(boom));
    for (int i=1; i<=n; i++)
        scanf("%d",&num[i]);
   if (num[1]!=1)//因为第一个点可以控制两个点的炸弹数,如果的得知第一个点周围没炸弹或有两个炸弹,那么前两个点都有炸弹或都没有炸弹 
   {
        ans=1; 
        if (num[1]==0)
        boom[1]=boom[2]=0;
    if (num[1]==2)
        boom[1]=boom[2]=1;
    for (int i=3; i<=n+1; i++)
            boom[i]=num[i-1]-(boom[i-1]+boom[i-2]);
    if (boom[n+1]!=0)//判断是否可行 
        ans--;//因为ans初值为1,所以如果不可行减1即可 
   }    
  if (num[1]==1)//如果第一个点附近有一个炸弹,则有两种情况(1) 第一个点有炸弹,第二个点没有 (2)第一个点没有,第二个点有 
        {
            ans=2;
            boom[1]=1;
            boom[2]=0;
            for (int i=3; i<=n+1; i++)
                    boom[i]=num[i-1]-(boom[i-1]+boom[i-2]);
            if (boom[n+1]!=0)
                ans--;//第一种情况 
            boom[1]=0;
            boom[2]=1;
            for (int i=3; i<=n+1; i++)
                    boom[i]=num[i-1]-(boom[i-1]+boom[i-2]);
            if (boom[n+1]!=0)
                ans--;//第二种情况 
        }
   printf("%d",ans);        
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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