Gym101630A Archery Tournament

题目链接:https://vjudge.net/problem/Gym-101630A

题目大意:

  有\(n\)个操作,每次输入\(t\) \(x\) \(y\)\((t=1,2; -10^9 \le x,y \le 10^9; y > 0)\). 当\(t=1\),在坐标平面上立一个圆心在\(x,y\),半径为\(y\)的圆形靶子。当\(t=2\),往点\(x,y\)射一箭,如果在这个点上有靶子,则输出这个靶子是在第几次操作中出现的,并把这个靶子销毁;如果这个点上没有靶子,则输出\("-1"\)。

知识点:  线段树、离散化

解题思路:

  首先,肯定要离散化处理数据。然后用线段树套\(<set>\)(目的是方便删除操作)维护区间中有什么靶子。更新和删除的时候只要找到合适的区间就可以进行操作然后\(return\),不用\(push\) \(up\)或\(push\) \(down\),查询的时候则直到找到合适的靶子或者\(l==r\)为止。

AC代码:

 1 #include <bits/stdc++.h>
 2 
 3 using namespace std;
 4 #define lson l,m,rt<<1
 5 #define rson m+1,r,rt<<1|1
 6 typedef pair<int,int> P;
 7 typedef long long ll;
 8 const int maxn=2e5+3;
 9 
10 struct Input{
11     int t;
12     ll x,y;
13 }inp[maxn];
14 ll xs[maxn<<1];
15 map<ll,int> ind;
16 set<int> tree[maxn<<3];
17 void update(int L,int R,int c,int l,int r,int rt){
18     if(L<=l&&r<=R){
19         tree[rt].insert(c);
20         return;
21     }
22     int m=(l+r)>>1;
23     if(L<=m)    update(L,R,c,lson);
24     if(R>m)     update(L,R,c,rson);
25 }
26 void era(int L,int R,int c,int l,int r,int rt){
27     if(L<=l&&r<=R){
28         tree[rt].erase(c);
29         return;
30     }
31     int m=(l+r)>>1;
32     if(L<=m)    era(L,R,c,lson);
33     if(R>m)     era(L,R,c,rson);
34 }
35 int query(int pos,int _x,int _y,int l,int r,int rt){
36     if(l<=pos&&pos<=r){
37         set<int>::iterator it=tree[rt].begin();
38         for(;it!=tree[rt].end();it++){
39             int now=*it;
40             if((inp[now].x-_x)*(inp[now].x-_x)+(inp[now].y-_y)*(inp[now].y-_y)<inp[now].y*inp[now].y)
41                 return now;
42         }
43     }
44     if(l==r)    return -1;
45     int m=(l+r)>>1;
46     if(pos<=m)    return query(pos,_x,_y,lson);
47     else     return query(pos,_x,_y,rson);
48 }
49 int main(){
50 //    freopen("in.txt","r",stdin);
51     int n,cnt=0;
52     scanf("%d",&n);
53     for(int i=1;i<=n;i++){
54         scanf("%d%lld%lld",&inp[i].t,&inp[i].x,&inp[i].y);
55         if(inp[i].t==1)
56             xs[cnt++]=inp[i].x-inp[i].y,xs[cnt++]=inp[i].x+inp[i].y;
57     }
58     sort(xs,xs+cnt);
59     int m=unique(xs,xs+cnt)-xs;
60     for(int i=0;i<m;i++){
61         ind[xs[i]]=i;
62     }
63     for(int i=1;i<=n;i++){
64         if(inp[i].t==1)
65             update(ind[inp[i].x-inp[i].y]+1,ind[inp[i].x+inp[i].y],i,1,m-1,1);
66         else{
67             int pos=-1;
68             int l=1,r=m-1;
69             while(l<=r){
70                 int mid=(l+r)>>1;
71                 if(xs[mid-1]>inp[i].x)   r=mid-1;
72                 else if(xs[mid]<inp[i].x)  l=mid+1;
73                 else{
74                     pos=mid;
75                     break;
76                 }
77             }
78             if(pos==-1) printf("-1\n");
79             else{
80                 int ret=query(pos,inp[i].x,inp[i].y,1,m-1,1);
81                 if(ret==-1)
82                     printf("-1\n");
83                 else{
84                     printf("%d\n",ret);
85                     era(ind[inp[ret].x-inp[ret].y]+1,ind[inp[ret].x+inp[ret].y],ret,1,m-1,1);
86                 }
87             }
88         }
89     }
90     return 0;
91 }

 

转载于:https://www.cnblogs.com/Blogggggg/p/8373009.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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
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