线段树

维护/查询区间的数据结构


#include<fstream>
#include<string>
using namespace std;
class Node
{
public:
	long long l;
	long long r;
	long long Value;
	long long Lazy;
};
long long d[100001];
long long N;
long long ANS=0;
Node tree[400005];
void build(long long v,long long l,long long r)//v为结点标号
{
	tree[v].l=l;
	tree[v].r=r;
	if(l==r)
	{
		tree[v].Value=d[r];
		return ;
	}
	long long mid=(l+r)/2;
	build(v*2,l,mid);
	build(v*2+1,mid+1,r);
	tree[v].Value=tree[v*2].Value+tree[v*2+1].Value;
}
void update(long long v,long long l,long long r,long long m)
{
	tree[v].Value+=(r-l+1)*m;
	if(tree[v].l==l&&tree[v].r==r)
	{
		tree[v].Lazy+=m;
		return ;
	}
	if(tree[v].Lazy!=0)
	{
		tree[2*v].Lazy+=tree[v].Lazy;
		tree[2*v+1].Lazy+=tree[v].Lazy;
		tree[2*v].Value+=(tree[2*v].r-tree[2*v].l+1)*tree[v].Lazy;
		tree[2*v+1].Value+=(tree[2*v+1].r-tree[2*v+1].l+1)*tree[v].Lazy;
		tree[v].Lazy=0;
	}
	long long mid=(tree[v].l+tree[v].r)>>1;
	if(r<=mid)
		update(v*2,l,r,m);
	else
	{
		if(l>mid)
			update(2*v+1,l,r,m);
		else
		{
			update(2*v,l,mid,m);
			update(2*v+1,mid+1,r,m);
		}
	}
}
void query(long long v,long long l,long long r)
{
	if(tree[v].l==l&&tree[v].r==r)
	{
		ANS+=tree[v].Value;
		return ;
	}
	if(tree[v].Lazy!=0)
	{
		tree[2*v].Lazy+=tree[v].Lazy;
		tree[2*v+1].Lazy+=tree[v].Lazy;
		tree[2*v].Value+=(tree[2*v].r-tree[2*v].l+1)*tree[v].Lazy;
		tree[2*v+1].Value+=(tree[2*v+1].r-tree[2*v+1].l+1)*tree[v].Lazy;
		tree[v].Lazy=0;
	}
	long long mid=(tree[v].l+tree[v].r)/2;
	if(r<=mid)
		query(2*v,l,r);
	else
	{
		if(l>mid)
			query(2*v+1,l,r);
		else
		{
			query(2*v,l,mid);
			query(2*v+1,mid+1,r);
		}
	}
}
int main()
{
	int i,A,B,C;
	string temp;
	fin>>N;
	for(i=1;i<=N;i++)
		fin>>d[i];
	build(1,1,N);
	fin>>N;
	for(i=1;i<=N;i++)
	{
		fin>>temp;
		if(temp=="SUM")
		{
			fin>>A>>B;
			query(1,A,B);
			fout<<ANS<<endl;
			ANS=0;
		}
		if(temp=="ADD")
		{
			fin>>A>>B>>C;
			update(1,A,B,C);
		}
	}
	return 0;
}


  • 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