leetcode 460. LFU 缓存

题目
在这里插入图片描述

class LFUCache {
public:
    struct Node{
        int key,val,t;
        Node(int _key,int _val,int _t):key(_key),val(_val),t(_t){}
    };
    typedef list<Node>::iterator It;
    int mint,capacity,sz;
    map<int,list<Node>>mp;
    map<int,It>vis;
    LFUCache(int _capacity):mint(-1),capacity(_capacity),sz(0){}
    void remove(list<Node>& ls,It it){
        int t=it->t;
        ls.erase(it);
        if(t==mint&&mp[t].empty()) mint=t+1;
        if(mp[t].empty()) mp.erase(t);
    }
    It add(int t,Node x){
        if(!mp.count(t)) mp[t]=*(new list<Node>());
        mp[t].push_front(x);
        return mp[t].begin();
    }
    int get(int key) {
        if(!capacity) return -1;
        if(!vis.count(key)) return -1;
        //从原来的链表移除并加入次数+1的新的链表 并更新vis
        Node tmp=(*vis[key]);
        remove(mp[tmp.t],vis[key]),vis[key]=add(++(tmp.t),tmp);
        return tmp.val;
    }
    void put(int key, int value) {
        if(!capacity) return;
        if(!vis.count(key)&&++sz>capacity){
            --sz;//删除最小次数的双向链表的末尾节点 并从vis中移除
            Node tmp=*mp[mint].rbegin();
            vis.erase(tmp.key),mp[mint].pop_back();//rbegin()不能强转为正向迭代器
            if(tmp.t==mint&&mp[mint].empty()){
                while(!mp.count(mint)) ++mint;
            }
            if(mp[tmp.t].empty()) mp.erase(tmp.t);
        }
        if(!vis.count(key)) vis[key]=add(1,*(new Node(key,value,1))),mint=1;
        else vis[key]->val=value,get(key);
    }
};
  • 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