2017年8月10日提高组T1 数学

Description

小A得到了一个数列A,他告诉你这个数列中所有的A[i]都是1到n的自然数,并且告诉你对于一些A[i]不能取哪些值。无聊的你想要知道所有可能的数列的积的和。定义一个数列的积为这个数列所有数的乘机。由于答案太大,只要模10^9+7输出即可。

Input

第一行三个整数n,m,k,分别表示数列元素取值范围,数列长度以及限制的数量。
接下来k行每行两个正整数x,y,表示A[x]的值不可能是y。

Output

一行一个整数表示答案。如果连一种可能的数列都没有,就输出0即可。

Sample Input

3 4 5
1 1
1 1
2 2
2 3
4 3
Sample Output

90
Hint

对于前30%的数据,n<=4,m<=10,k<=10
另有20%的数据k=0
对于70%的数据n<=1000,m<=1000,k<=1000
对于100%的数据,n<=109,m<=109,k<=105,1<=y<=n,1<=x<=m
做法:考虑每个限制的部分对答案的贡献,其余部分直接求解,最后相加即可。
代码如下:

#include <cstdio>
#include <cstring>
#include <algorithm>
#include <iostream>
#define maxn 1000000007
using namespace std;
long long n,m,k,ans,a[200007];
struct arr
{
    long long x,y;
}f[200007];

long long pow1(long long a,long long b)
{
  long long  r=1,base=a;
  while(b)
  {
    if(b&1) r*=base%maxn;
    r%=maxn;
    base*=base;
    base%=maxn;
    b>>=1;
  }
  return r;
}

long long cmp (arr a,arr b)
{
    return(a.x<b.x) || (a.x==b.x && a.y<b.y);
}

int main()
{
    cin>>n>>m>>k;
    for (long long i=1;i<=k;i++)
        scanf("%I64d%I64d",&f[i].x,&f[i].y);
    ans=(((n+1)*n)/2) % maxn;
    sort(f+1,f+k+1,cmp);
    long long e=0;
    for (long long i=1;i<=k;i++)
    {
        if (f[i].x==f[i-1].x && f[i].y==f[i-1].y)   continue;
        else
        {
            if (f[i].x==f[i-1].x)
            {
                a[e]+=f[i].y;
                a[e]%=maxn;
            }
            else
            {
                e++;
                a[e]+=f[i].y;
                a[e]%=maxn;
            }
        }
    }
    long long ans2=pow1(ans,m-e)%maxn;
    long long ans3=1;   
    for (int i=1;i<=e;i++)
    {
        ans3*=((((n+1)*n)/2)-a[i])%maxn;
        ans3%=maxn;
    }
    ans3%=maxn;
    ans2%=maxn;
    long long answer=(ans2*ans3)%maxn;
    cout<<answer;
}
  • 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