第一次参加蓝桥

        时间过的好快,感觉上个学期陈学长给我们说蓝桥杯的事情,我们在草坪上坐着,谈谈下个学期想做点什么,我们都不愿意在大学里做个无聊的人。想想那时候真的是初生牛犊不怕虎,觉得自己还可以,在学校专业前几名,每年拿个学校一等奖学金,虽然并没有多少钱......后来才发现在非211,985大学期末考试基本上都是逗你玩......然并卵
        后来加入了学院的创新实验室,又加入了ACM集训队......不爆爆零真的都不知道自己有多水.....
        其间爆过好多次零,刷了一些题,一晃眼就到蓝桥杯了......虽然说蓝桥杯确实跟ACM没法比,但是也算第一次参加这么正式的比赛(虽然在题做了一般的时候,被告知有两道题题目有地方错了)。
        题目怎么说呢......毕竟参加的是B组C++,跟OJ上的题目比起来确实简单许多,然而并不会像OJ一样立即返回结果,而且尼玛最后就暴力枚举算一个数,连测试数据都没有,算出来的对错检验都没法检验,而且这种题还大多数是填空题,要么全分要么0分......大部分的题都是搜索枚举能做的,最后两道反正不会做,也不知道是什么鬼,感觉倒数第二倒跟置换群有点像,谁知道呢,随便写一下,再加样例打个表水点分......
        前两道都是for循环累加的题,相对比较水,第三题,好吧,写着写着把每个字母代表的数字不同居然给忘了,最后还考虑来精度会不会出问题,TM题目都读错了,精度出问题又怎样- _ -!
        程序填空第一道就是裸的快排,填上去排一遍没问题直接就交了,题目上是这样写的    ______;
        刚开始想交    XXXX; 
        仔细一看后面还有个分号!!马上改成  XXX        不知道大赛裁判是不是这么严格,是的话,估计三个程序填空得挂一大批吧......
        第二个递归程序填空卡了好久,用习惯了全局数组了,看不习惯拿函数传数组的首地址,想了好久首地址在传入的时候会不会偏移,结果尼玛数组就仅仅传个原来的首地址啊,为毛不开全局数组呢,还写个b[...],中间还是个表达式......
        另一个在格子里填数字,不重不漏,跟八皇后差不多,DFS水了水就交了,数据范围很小,应该差不多。
        编程大题就做了一道第八题,数据范围5000000吧是,做是做出来了,但是在4700000以上再多一些就超时了,应该大部分的分能够得到
        总之感觉挺有意思的,更有意思的是一点比赛完,吃个饭三点到五点又去ACM集训了......,并没有想象中的那么累。差距还是有的,还要继续努力。
  • 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
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