Hihocoder #1938 最大权闭合子图模板

这里的讲解很不错,适合作为入坑题:

Hihocoder#1938

代码:

#include<algorithm>
#include<iostream>
#include<cstring>
#include<cstdio>
#include<cmath>
#include<queue>
#define ms(a,x) memset(a,x,sizeof(a))
using namespace std; int S,T;
const int N=1000,inf=0x3f3f3f3f;
struct node{int y,z,nxt;}e[N*N*2];
int d[N],b[N],q[N],m,n,tot=0,c=1,ans=0,h[N];
void add(int x,int y,int z){
    e[++c]=(node){y,z,h[x]};h[x]=c;
    e[++c]=(node){x,0,h[y]};h[y]=c;
} bool bfs(){
    int f=1,t=0;ms(d,-1);
    q[++t]=S;d[S]=0;
    while(f<=t){
        int x=q[f++];
        for(int i=h[x],y;~i;i=e[i].nxt)
        if(d[y=e[i].y]==-1&&e[i].z)
        d[y]=d[x]+1,q[++t]=y;
    } return (d[T]!=-1);
} int dfs(int x,int f){
    if(x==T) return f;int w,tmp=0;
    for(int i=h[x],y;~i;i=e[i].nxt)
    if(d[y=e[i].y]==d[x]+1&&e[i].z){
        w=dfs(y,min(e[i].z,f-tmp));
        if(!w) d[y]=-1;e[i].z-=w;
        e[i^1].z+=w;tmp+=w;
        if(tmp==f) return f;
    } return tmp;
} void solve(){
    while(bfs()) tot+=dfs(S,inf);
} int main(){ ms(h,-1);int sm=0;
    scanf("%d%d",&n,&m);S=0,T=n+m+1;
    for(int i=1;i<=m;i++)
    scanf("%d",&b[i]),add(i+n,T,b[i]);
    for(int i=1,a,k,t;i<=n;i++){
        scanf("%d%d",&a,&k);
        add(S,i,a);sm+=a;
        while(k--) scanf("%d",&t),add(i,t+n,inf);
    } solve();
    printf("%d\n",sm-tot);return 0;
}

 

转载于:https://www.cnblogs.com/Alan-Luo/p/10252610.html

  • 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:判断像中的目标属于哪个类别。 定位问题:确定目标在像中的具体位置。 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