JZOJ 5328. 【NOIP2017提高A组模拟8.22】世界线

5328. 【NOIP2017提高A组模拟8.22】世界线

(File IO): input:worldline.in output:worldline.out
Time Limits: 1500 ms Memory Limits: 262144 KB

Description

这里写图片描述

Input

这里写图片描述

Output

这里写图片描述

Sample Input

5 5
1 2
1 3
2 3
3 4
4 5

Sample Output

5

Data Constraint

这里写图片描述

Hint

样例解释
这里写图片描述

题解

不难发现,题目要求的就是每一个点到能到的点数减去已有的边数
直接暴力肯定不行
所以用 bitset 优化一下就好啦,维护每个点能到的点

代码

#include<cstdio>
#include<vector>
#include<bitset>
#define BITSET 30000
#define N 60010
using namespace std;

vector<long>out[N];
bitset<BITSET+10>a[N];
long in[N],b[N];

int main()
{   long n,m,x,y,i,j,to,tot,l,r;
    long long ans=0;
    freopen("worldline.in","r",stdin);
    freopen("worldline.out","w",stdout);
    scanf("%ld%ld",&n,&m);
    for(i=1;i<=m;i++){
        scanf("%ld%ld",&x,&y);
        out[x].push_back(y);
        in[y]++;
    }
    tot=0;
    for(i=1;i<=n;i++)
        if(!in[i])
            b[++tot]=i;
    for(i=1;i<=tot;i++)
        for(j=0;j<out[b[i]].size();j++){
            to=out[b[i]][j];
            if(--in[to]==0)
                b[++tot]=to;
        }
    for(l=1,r=BITSET;l<=n;l=r+1,r+=BITSET){
        for(i=1;i<=n;i++)
            a[i].reset();
        for(i=n;i>=1;i--){
            for(j=0;j<out[b[i]].size();j++){
                to=out[b[i]][j];
                a[b[i]]|=a[to];
            }
            ans+=a[b[i]].count();
            if(b[i]>=l&&b[i]<=r)
                a[b[i]][b[i]-l]=1;
        }
    }
    printf("%lld\n",ans-m);
    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