POJ 2653 Pick-up sticks 判断线段相交

题目描述:http://poj.org/problem?id=2653


解题思路:

无非是判断线段相交。但是由于n的范围有100000,读入之后O(n^2)枚举肯定不行。注意题目有一句:You may assume that there are no more than 1000 top sticks.

所以读入的时候在线维护一个top sticks的链表就好了。

但是.. 我用O(n^2)的方法还是过了,而且比静态链表快..


#include <stdio.h>
#define max(a,b) a>b?a:b
#define min(a,b) a>b?b:a
struct point 
{
	double x;
	double y;
} pa[100007],pb[100007];
long n,i,j;
double direction(struct point a,struct point b,struct point c)
{
   	double x1=b.x-a.x,y1=b.y-a.y,
        x2=c.x-b.x,y2=c.y-b.y;
    	return x1*y2-x2*y1;
}
int on_segment(struct point a,struct point b,struct point c)
{
	if((min(a.x,b.x)<=c.x && c.x<=max(a.x,b.x)) && (min(a.y,b.y)<=c.y && c.y<=max(a.y,b.y))) return 1;
	return 0;
}
int intersection(struct point p1,struct point p2,struct point p3,struct point p4)
{
	double d1=direction(p3,p4,p1),
	       d2=direction(p3,p4,p2),
	       d3=direction(p1,p2,p3),
	       d4=direction(p1,p2,p4);
	if(((d1>0 && d2<0) || (d1<0 && d2>0)) && ((d3>0 && d4<0)||(d3<0 && d4>0))) return 1;
	if(!d1 && on_segment(p3,p4,p1)) return 1;
	if(!d2 && on_segment(p3,p4,p2)) return 1;
	if(!d3 && on_segment(p1,p2,p3)) return 1;
	if(!d4 && on_segment(p1,p2,p4)) return 1;
	return 0;
}

int main()
{
	scanf("%ld",&n);
	while(n)
	{
		printf("Top sticks:");
		for(i=1;i<=n;i++) scanf("%lf%lf%lf%lf",&pa[i].x,&pa[i].y,&pb[i].x,&pb[i].y);
		for(i=1;i<n;i++)
		{
			int k=1;
			for(j=i+1;j<=n;j++) 
			if(intersection(pa[i],pb[i],pa[j],pb[j]))
			{
				k=0;
				break;
			}
			if(k)printf(" %ld,",i);
		}
		printf(" %ld.\n",n);
		scanf("%ld",&n);
	}
	return 0;
}

 

  • 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