LCA

// rmq
void dfs(int u,int f,int d) {
    int tmp=++cnt;
    E[tmp]=u; L[++tot]=tmp; H[u]=tot; dis[u]=d;
    for(int i=0;i<vec[u].size();i++) {
        int v=vec[u][i].f;
        if(v!=f) {
            dfs(v,u,d+vec[u][i].s);
            L[++tot]=tmp;
        }
    }
}

void init() {
    for(int i=1;i<=tot;i++) dp[0][i]=L[i];
    int k=(int) (log(tot*1.0+1)/log(2.0));
    for(int i=1;i<=k;i++)
        for(int j=1;j+(1<<i)-1<=tot;j++)
        dp[i][j]=min(dp[i-1][j],dp[i-1][j+(1<<(i-1))]);
}

int rmq(int x,int y) {
    if(x>y) swap(x,y);
    int k=(int)(log(y-x+1.0)/log(2.0));
    return min(dp[k][x],dp[k][y-(1<<k)+1]);
}

int lca(int x,int y) {
    return E[rmq(H[x],H[y])];
}

//  倍增

void dfs(int x,int fa,int depth,int cost){
    dep[x] = depth;
    p[x][0] = fa;
    dis[x] = cost;

    rep1(i,LOG)
        p[x][i] = p[ p[x][i-1] ][i-1]; // 倍增,可以画个树理解一下,存的是节点x第2^i个祖先
    for(int i=po[x];i;i=edge[i].next){
        int y = edge[i].y;
        if(y==fa)continue;
        dfs(y,x,depth+1,cost+edge[i].val);
    }
}

int lca(int x,int y){ // 倍增求lca
    if(dep[x]>dep[y])swap(x,y);
    if(dep[x]<dep[y]){
        int del = dep[y]-dep[x];
        rep(i,LOG)
            if( del>>i & 1 )
                y = p[y][i];
    }
    if(x!=y){
        for(int i=LOG-1;i>=0;i--)
            if( p[x][i]!=p[y][i] ){
                x = p[x][i];
                y = p[y][i];
            }
        x = p[x][0];
        y = p[y][0];
    }
    return x;
}

  • 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