[线段树]HDOJ5091 Beam Cannon

题意:给n, w, h  (1 <= N <= 10000,1 <= W <= 40000,1 <= H <= 40000)

  $w\times h$是可以射到的范围

 然后给n个点的坐标x, y (-20000 <= x,y <= 20000)

问 射一次 能射到几个点.

 

很裸的扫描线线段树

这么水的题不知为何在现场没有写啊???

 

  1 #include <cstdio>
  2 #include <cstdlib>
  3 #include <cstring>
  4 #include <climits>
  5 #include <cctype>
  6 #include <cmath>
  7 #include <string>
  8 #include <sstream>
  9 #include <iostream>
 10 #include <algorithm>
 11 #include <iomanip>
 12 using namespace std;
 13 #include <queue>
 14 #include <stack>
 15 #include <vector>
 16 #include <deque>
 17 #include <set>
 18 #include <map>
 19 typedef long long LL;
 20 typedef long double LD;
 21 #define pi acos(-1.0)
 22 #define lson l, m, rt<<1
 23 #define rson m+1, r, rt<<1|1
 24 typedef pair<int, int> PI;
 25 typedef pair<int, PI> PP;
 26 #ifdef _WIN32
 27 #define LLD "%I64d"
 28 #else
 29 #define LLD "%lld"
 30 #endif
 31 //#pragma comment(linker, "/STACK:1024000000,1024000000")
 32 //LL quick(LL a, LL b){LL ans=1;while(b){if(b & 1)ans*=a;a=a*a;b>>=1;}return ans;}
 33 //inline int read(){char ch=' ';int ans=0;while(ch<'0' || ch>'9')ch=getchar();while(ch<='9' && ch>='0'){ans=ans*10+ch-'0';ch=getchar();}return ans;}
 34 //inline void print(LL x){printf(LLD, x);puts("");}
 35 //inline void read(double &x){char c = getchar();while(c < '0') c = getchar();x = c - '0'; c = getchar();while(c >= '0'){x = x * 10 + (c - '0'); c = getchar();}}
 36 
 37 const int maxn = 100005;
 38 int X[maxn<<3];
 39 struct Seg
 40 {
 41     int h , l , r, s;
 42     Seg() {}
 43     Seg(int a,int b,int c,int d) : l(a) , r(b) , h(c) , s(d) {}
 44     bool operator < (const Seg &cmp) const
 45     {
 46         return h < cmp.h;
 47     }
 48 } ss[maxn<<3];
 49 int len[maxn<<3],cnt[maxn<<3];
 50 void PushUp(int rt)
 51 {
 52     len[rt]=max(len[rt<<1], len[rt<<1|1]);
 53 }
 54 void PushDown(int rt)
 55 {
 56     if(cnt[rt])
 57     {
 58         cnt[rt<<1]+=cnt[rt];
 59         cnt[rt<<1|1]+=cnt[rt];
 60         len[rt<<1]+=cnt[rt];
 61         len[rt<<1|1]+=cnt[rt];
 62         cnt[rt]=0;
 63     }
 64 }
 65 void Update(int L, int R, int c, int l , int r, int rt)
 66 {
 67     if(L<=l && r<=R)
 68     {
 69         cnt[rt]+=c;
 70         len[rt]+=c;
 71         return ;
 72     }
 73 //    PushDown(rt);
 74     int m=(l+r)>>1;
 75     if(L<=m)
 76         Update(L, R, c, lson);
 77     if(m<R)
 78         Update(L, R, c, rson);
 79 //    PushUp(rt);
 80     len[rt]=max(len[rt<<1], len[rt<<1|1])+cnt[rt];
 81 }
 82 int main()
 83 {
 84 #ifndef ONLINE_JUDGE
 85     freopen("in.txt", "r", stdin);
 86     freopen("out.txt", "w", stdout);
 87 #endif
 88     int n;
 89     while(~scanf("%d", &n))
 90     {
 91         if(n<0)
 92             break;
 93         int w, h;
 94         scanf("%d%d", &w, &h);
 95         int m=0;
 96         while(n--)
 97         {
 98             int a, b;
 99             scanf("%d%d", &a, &b);
100             X[m]=a;
101             ss[m++]=Seg(a, a+w, b, 1);
102             X[m]=a+w;
103             ss[m++]=Seg(a, a+w, b+h, -1);
104         }
105         sort(X, X+m);
106         sort(ss, ss+m);
107         int k=unique(X, X+m)-X;
108         int ans=0;
109         memset(len, 0, sizeof(len));
110         memset(cnt, 0, sizeof(cnt));
111         for(int i=0;i<m;i++)
112         {
113             int l=lower_bound(X, X+k, ss[i].l)-X;
114             int r=lower_bound(X, X+k, ss[i].r)-X;
115             Update(l, r, ss[i].s, 0, k-1, 1);
116             ans=max(ans, len[1]);
117         }
118         printf("%d\n", ans);
119     }
120     return 0;
121 }
HDOJ 5091

 

 

  

转载于:https://www.cnblogs.com/Empress/p/4076784.html

  • 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