leetcode Largest Plus Sign

这道题有点坑,这是一道dp题,关键要找到子问题,这里的子问题可以分为两个,从某一点向左走的最长非0的长度,和向上走的最长非0的长度,找到这两个之后,再做判断,其实还可以更方便点,分为四个子问题,每一点的最大加号为四个方向最小的那个值

class Solution {
public:
    int orderOfLargestPlusSign(int N, vector<vector<int>>& mines) {
        int left[N][N];
        int up[N][N];
        memset(left,0,sizeof(left));
        memset(up,0,sizeof(up));
        int m[N][N];
        for(int i=0;i<N;i++)
        {
            for(int q=0;q<N;q++)
            {
                m[i][q]=1;
            }
        }
        for(int i=0;i<mines.size();i++)
        {
            m[mines[i][0]][mines[i][1]]=0;
        }
        
        for(int i=0;i<N;i++)
        {
            for(int q=0;q<N;q++)
            {
                left[i][q]=m[i][q];
                up[i][q]=m[i][q];
            }
        }
        
        for(int i=0;i<N;i++)
        {
            for(int q=0;q<N;q++)
            {
                if(m[i][q])
                {
                    if(q>0)
                        left[i][q]=left[i][q-1]+1;
                    if(i>0)
                        up[i][q]=up[i-1][q]+1;
                    
                }
            }
        }
        
        int result=0;
        for(int i=0;i<N;i++)
        {
            for(int q=0;q<N;q++)
            {
                int t=min(left[i][q],up[i][q]);
                for(;t>0;t--)
                {
                    
                    if(t+i-1>=N || t+q-1>=N || t<=0)
                      continue;
                    if(left[i][q+t-1]>=2*t-1 && up[i+t-1][q]>=2*t-1)
                     result=max(result,t);
                }
            }
        }
        return result;
    }
};
  • 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,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,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 目标检测涉及以下几个核心问: 分类问:判断图像中的目标属于哪个类别。 定位问:确定目标在图像中的具体位置。 大小问:目标可能具有不同的大小。 形状问: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,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