解题报告_18.5.16_POJ_1125

水题

可惜自己没过,23333

借用大佬代码:https://blog.csdn.net/lyy289065406/article/details/6645856

#include <iostream>
#include<map>
#include<cstring>
#include<cstdio>
using namespace std;

const int inf=10000;      //无限大
int n;      //货币种类
int m;      //兑换方式

map<string,int>STL;     //建立一个 使字符串与整数有一一对应关系 的容器STL,以便利用邻接矩阵存储数据

double rate;
char str[50],str1[50],str2[50];
double dist[31][31];

int i,j,k;

void floyd(void)
{
    for(k=1;k<=n;k++)
        for(i=1;i<=n;i++)
            for(j=1;j<=n;j++)
                if(dist[i][j] < dist[i][k] * dist[k][j])       //变形的最大路径,变"+"为"*"
                    dist[i][j] = dist[i][k] * dist[k][j];
    return;
}

int main(void)
{
    freopen("in.txt","r",stdin);
    int cases=1;
    while(cases)
    {
        /*Initial*/

        memset(dist,inf,sizeof(dist));

        /*Input*/

        cin>>n;
        if(!n)break;

        for(i=1;i<=n;i++)
        {
            cin>>str;
            STL[str]=i;          //将输入的货币从1到n依次编号
            dist[i][i]=1;        //到自身的转换率默认为1,但通过floyd可能会被改变
                                 //有向图的顶点(一般)存在环
        }

        cin>>m;
        for(i=1;i<=m;i++)
        {
            cin>>str1>>rate>>str2;
            dist[STL[str1]][STL[str2]]=rate;      //构造图
        }

        /*Floyd Algorithm*/

        floyd();

        /*Output*/

        int flag=false;
        for(i=1;i<=n;i++)
            if(dist[i][i]>1)
            {
                flag=true;
                break;
            }
        if(flag)
            cout<<"Case "<<cases++<<": Yes"<<endl;
        else
            cout<<"Case "<<cases++<<": No"<<endl;
    }
    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