Atcoder CADDi 2018 Solution

C - Product and GCD

Solved.

题意:

给出$n个数$的乘积,求$这n个数$的最大的可能是GCD

思路:

分解质因子,那么$每个质因子的贡献就是其质因子个数/ n的乘积$

 1 #include <bits/stdc++.h>
 2 using namespace std;
 3  
 4 #define ll long long
 5 ll n, p;
 6  
 7 int main()
 8 {
 9     while (scanf("%lld%lld", &n, &p) != EOF) 
10     {
11         if (n == 1)
12         {
13             printf("%lld\n", p); 
14             continue; 
15         }
16         ll res = 1;
17         for (ll i = 2; i * i <= p; ++i)  
18         {    
19             ll tmp = 0; 
20             while (p % i == 0) 
21             {
22                 ++tmp;
23                 p /= i; 
24             }
25             while (tmp >= n)
26             {
27                 tmp -= n;
28                 res *= i;
29             }
30         }
31         printf("%lld\n", res);
32     }
33     return 0;
34 }
View Code

 

D - Harlequin

Solved.

题意:

有$n种颜色的苹果,每种颜色有a_i个,每次可以选择若干个不同颜色的苹果拿掉,轮流拿,谁不能拿谁输$

问 先手胜还是后手胜

思路:

必败局面是当前场上所有颜色的苹果都是偶数个,这样的话,你拿什么,对方跟着你拿,对方肯定胜利

那么必胜局面就是当前场上存在有若干种奇数个颜色的苹果,取掉这些苹果,转换成必败局面留给对方就好了

简单判一判就没了

 1 #include <bits/stdc++.h>
 2 using namespace std;
 3 
 4 int n, x;
 5 
 6 int main()
 7 {
 8     while (scanf("%d", &n) != EOF)
 9     {
10         x = 0;
11         for (int i = 1, y; i <= n; ++i)
12         {
13             scanf("%d", &y);
14             x += y & 1;
15         }
16         puts(x ? "first" : "second"); 
17     }
18     return 0;
19 }
View Code

 

E - Negative Doubling

Upsolved.

题意:

给出n个数,对每个数的操作只有 $\cdot -2$ ,求最少多少次操作使得序列变成非下降序列

思路:

我们考虑序列中如果存在正数和负数,那么必然存在一个界限,左边全是负数,右边全是正数

那么我们可以预处理出

$f[i] 表示 使得从i开始是一个非下降序列的最小花费$

$g[i]表示 i以及i以前是一个非下降序列,且全都是负数的最小花费$

维护的过程可以用一个队列

刚开始以为如果当前数比之前的数不满足大小关系,后面的数或者前面的数全都要动

但实际上并不是这样,

比如说

5 3 4 1000000

推到5的时候 只有 3 和 4 要改变

  1 #include <bits/stdc++.h>
  2 using namespace std;
  3 
  4 #define ll long long 
  5 #define N 200010
  6 #define pii pair <int, int>
  7 int n;
  8 ll a[N], b[N], f[N], g[N], lazy; 
  9 
 10 void Run()
 11 {
 12     while (scanf("%d", &n) != EOF)
 13     { 
 14         for (int i = 1; i <= n; ++i) scanf("%lld", a + i);
 15         queue <pii> q; 
 16         f[n] = 0;
 17         for (int i = n - 1; i >= 1; --i)
 18         {
 19             f[i] = f[i + 1];
 20             if (a[i] > a[i + 1]) 
 21             {
 22                 ll tmp = a[i + 1];
 23                 int cnt = 0;
 24                 while (tmp < a[i])
 25                 {
 26                     tmp *= 4;  
 27                     cnt += 2;
 28                 }
 29                 int x = i;
 30                 while (!q.empty())
 31                 {
 32                     f[i] += 1ll * (q.front().second - x) * cnt;
 33                     if (q.front().first <= cnt) cnt -= q.front().first; 
 34                     else
 35                     {
 36                         pii tmpp = q.front();
 37                         tmpp.first -= cnt;
 38                         cnt = 0;
 39                         q.pop();
 40                         q.push(tmpp);
 41                         break;
 42                     }
 43                     x = q.front().second;
 44                     q.pop();
 45                 }
 46                 f[i] += 1ll * (n - x) * cnt;
 47             }
 48             else
 49             {
 50                 ll tmp = a[i];
 51                 int cnt = 0;
 52                 while (tmp * 4 <= a[i + 1])
 53                 {
 54                     tmp *= 4;
 55                     cnt += 2;
 56                 }
 57                 if (cnt) q.push(pii(cnt, i));   
 58             }
 59         }
 60         while (!q.empty()) q.pop();
 61         g[1] = 1;
 62         b[1] = -a[1];
 63         for (int i = 2; i <= n; ++i)
 64         {
 65             g[i] = g[i - 1] + 1;
 66             b[i] = -a[i];
 67             if (b[i] < b[i - 1])
 68             {
 69                 ll tmp = b[i - 1];
 70                 int cnt = 0;
 71                 while (tmp > b[i])
 72                 {
 73                     tmp *= 4;
 74                     cnt += 2;
 75                 }
 76                 int x = i;
 77                 while (!q.empty())
 78                 {
 79                     g[i] += 1ll * (x - q.front().second) * cnt; 
 80                     if (q.front().first <= cnt) cnt -= q.front().first;
 81                     else
 82                     {
 83                         pii tmpp = q.front();
 84                         q.pop();
 85                         tmpp.first -= cnt; 
 86                         cnt = 0;
 87                         q.push(tmpp); 
 88                         break;
 89                     }
 90                     x = q.front().second;
 91                     q.pop();
 92                 }
 93                 g[i] += 1ll * (x - 1) * cnt; 
 94             }
 95             else
 96             {
 97                 ll tmp = b[i];
 98                 int cnt = 0;
 99                 while (tmp * 4 >= b[i - 1])
100                 {
101                     tmp *= 4;
102                     cnt += 2;
103                 }
104                 if (cnt) q.push(pii(cnt, i));
105             }
106         }
107         ll res = min(f[1], g[n]);
108         for (int i = 1; i < n; ++i) res = min(res, g[i] + f[i + 1]);
109         printf("%lld\n", res);
110     }
111 }
112 
113 
114 int main()
115 {
116     #ifdef LOCAL
117         freopen("Test.in", "r", stdin); 
118     #endif 
119 
120     Run();
121     return 0;
122 }
View Code

 

转载于:https://www.cnblogs.com/Dup4/p/10163562.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