poj 1088 滑雪 简单的记忆化搜索/dp

我刷的第一道poj题。。。

滑雪
Time Limit: 1000MS Memory Limit: 65536K
Total Submissions: 92919 Accepted: 35150

Description

Michael喜欢滑雪百这并不奇怪, 因为滑雪的确很刺激。可是为了获得速度,滑的区域必须向下倾斜,而且当你滑到坡底,你不得不再次走上坡或者等待升降机来载你。Michael想知道载一个区域中最长底滑坡。区域由一个二维数组给出。数组的每个数字代表点的高度。下面是一个例子 
 1  2  3  4 5

16 17 18 19 6

15 24 25 20 7

14 23 22 21 8

13 12 11 10 9

一个人可以从某个点滑向上下左右相邻四个点之一,当且仅当高度减小。在上面的例子中,一条可滑行的滑坡为24-17-16-1。当然25-24-23-...-3-2-1更长。事实上,这是最长的一条。

Input

输入的第一行表示区域的行数R和列数C(1 <= R,C <= 100)。下面是R行,每行有C个整数,代表高度h,0<=h<=10000。

Output

输出最长区域的长度。

Sample Input

5 5
1 2 3 4 5
16 17 18 19 6
15 24 25 20 7
14 23 22 21 8
13 12 11 10 9

Sample Output

25

这是一道简单的记忆化搜索/dp。每个点边搜边记就好了。1A了。

#include<iostream>
#include<cstdio>
#include<algorithm>
using namespace std;

int readint(){
	int x=0,f=1;
	char ct=getchar();
	while (ct<'0'||ct>'9'){
		if (ct=='-') f=-1;
		ct=getchar();
	}
	while (ct>='0'&&ct<='9'){
		x=(x<<1)+(x<<3)+ct-'0';
		ct=getchar();
	}
	return x*f;
}
int r,c,h[101][101],v[101][101],f[101][101],ans;
void dfs(int x,int y){
	v[x][y]=1;
	f[x][y]=1;
	if (x+1<=r&&h[x+1][y]<h[x][y]) {
	 if (!v[x+1][y]) dfs(x+1,y);
	 f[x][y]=max(f[x][y],f[x+1][y]+1);
	}
	if (y+1<=c&&h[x][y+1]<h[x][y]) {
	 if (!v[x][y+1]) dfs(x,y+1);
	 f[x][y]=max(f[x][y],f[x][y+1]+1);
	}
	if (x-1>=1&&h[x-1][y]<h[x][y]) {
	 if (!v[x-1][y]) dfs(x-1,y);
	 f[x][y]=max(f[x][y],f[x-1][y]+1);
	}
	if (y-1>=1&&h[x][y-1]<h[x][y]) {
	 if (!v[x][y-1]) dfs(x,y-1);
	 f[x][y]=max(f[x][y],f[x][y-1]+1);
	}
	ans=max(ans,f[x][y]);
}

int main(){
	r=readint();
	c=readint();
	for (int i=1;i<=r;++i)
	 for (int j=1;j<=c;++j) h[i][j]=readint();
	for (int i=1;i<=r;++i)
	 for (int j=1;j<=c;++j){
	 	if (!v[i][j])dfs(i,j);
	 }
	printf("%d\n",ans);
}


  • 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