寒假训练第三场

//牛牛有一个n*m的迷宫,对于迷宫中的每个格子都为'R','D','B'三种类型之一,
//'R'表示处于当前的格子时只能往右边走'D'表示处于当前的格子时只能往下边走,而'B'表示向右向下均可以走。
//我们认为迷宫最左上角的坐标为(1,1),迷宫右下角的坐标为(n,m),
//除了每个格子有向右移动以及向下移动的限制之外,你也不能够走出迷宫的边界。
//牛牛现在想要知道从左上角走到右下角不同种类的走法共有多少种,
//请你告诉牛牛从(1,1)节点移动到(n,m)节点共有多少种不同的移动序列,请你输出方案数对10^9+7取余数后的结果。
//我们认为两个移动序列是不同的,当且仅当移动序列的长度不同,或者在某一步中采取了不同的移动方式。


//棋盘dp 
#include"bits/stdc++.h"
using namespace std;
char mapp[60][60];int vis[60][60];
int ans=0,mod=1000000007;
int n,m;
void solve(){
	vis[1][1]=1;
	for(int i=1;i<=n;i++){
		for(int j=1;j<=m;j++){
			if(mapp[i][j]=='B'){
				vis[i+1][j]=(vis[i+1][j]+vis[i][j])%mod;
				vis[i][j+1]=(vis[i][j+1]+vis[i][j])%mod;
			}
			if(mapp[i][j]=='R'){
				vis[i][j+1]=(vis[i][j+1]+vis[i][j])%mod;
			}
			if(mapp[i][j]=='D'){
				vis[i+1][j]=(vis[i+1][j]+vis[i][j])%mod;
			}
			for(int k=1;k<=n;k++){
				for(int l=1;l<=m;l++){
					printf("%d",vis[k][l]);
				}cout<<endl;
			}cout<<endl;
		}
	}
}
int main(){
	cin>>n>>m;getchar();
	for(int i=1;i<=n;i++){
		for(int j=1;j<=m;j++){
			scanf("%c",&mapp[i][j]);
		}
		getchar();
	}
	solve();
	cout<<vis[n][m]<<endl;
} 
//牛牛有一颗大小为n的神奇Link-Cut 数组,数组上的每一个节点都有两种状态,一种为link状态,另一种为cut状态。
//数组上任意一对处于link状态的无序点对(即(u,v)和(v,u)被认为是同一对)会产生dis(u,v)的link能量,dis(u,v)为数组上u到v的距离。
//我们定义整个数组的Link能量为所有处于link状态的节点产生的link能量之和。
//一开始数组上每个节点的状态将由一个长度大小为n的01串给出,'1'表示Link状态,'0'表示Cut状态。
//牛牛想要知道整个数组的Link能量,为了避免这个数字过于庞大,你只用输出答案对10^9+7取余后的结果即可。
#include"bits/stdc++.h"
using namespace std;
long long cnt[100005];
long long mod=1000000007;
int main(){
	int n;
	cin>>n;
	string a;
	cin>>a;
	int cc=1,num1=0,lnum1=0;
	long long flag=0,ans=0;
	for(int i=0;i<n;i++){
		if(a[i]=='1'){
			lnum1++;
			flag=1;
			cnt[cc]=(num1*lnum1%mod+cnt[cc-1]%mod)%mod;//要记得两数相乘要mod
			//上一个1的和值+之前的1的数量*(当前1和上一个1的距离)=当前1的和值
			ans=(ans+cnt[cc++])%mod;
			num1++;//统计1的数量
			lnum1=0;//计算完成后当前1和上一个1的距离要清零
		}else if(flag==1)lnum1++;
	}
	cout<<ans<<endl;
}
//牛牛与二叉树的数组储存
//简单的二叉树模拟,要熟知二叉树的性质
#include"bits/stdc++.h"
using namespace std;
struct tnode{
	int data;
	int lc,rc,father;
}node[100005*4];
bool cmp(tnode a,tnode b){
	return a.data<b.data;
}
int main(){
	int n;
	cin>>n;
	int cnt=0;
	for(int i=1;i<=n;i++){
		scanf("%d",&node[i].data);
		if(i==1)node[i].father=-1;
		else {
			node[i].father=node[i/2].data;
		}
		if(node[i].data!=-1)cnt++;
	}
	for(int i=1;i<=n;i++){
		if(i<n/2){
			node[i].lc=node[i*2].data;node[i].rc=node[i*2+1].data;
		}else if(i==n/2){
			if(n%2==1){
				node[i].lc=node[i*2].data;node[i].rc=node[i*2+1].data;
			}else {
				node[i].lc=node[i*2].data;node[i].rc=-1;
			}
		}else {
			node[i].lc=-1;node[i].rc=-1;
		}
	}
	printf("The size of the tree is %d\n",cnt);
	printf("Node %d is the root node of the tree\n",node[1].data);
	int tnum=1;
	sort(node+1,node+n+1,cmp);
	for(int i=1;i<=n;i++){
		if(node[i].data!=-1){
			printf("The father of node %d is %d, the left child is %d, and the right child is %d\n",node[i].data,node[i].father,node[i].lc,node[i].rc);
		}
	}
}
//合数是指自然数中除了能被1和本身整除外,还能被其他数(0除外)整除的数。
//牛牛最近在研究“k合因子数”,所谓“k合数”是指一个数的所有因子中,是合数的因子共有k个。
//例如20的因子有 1,2,4,5,10,20,其中 4,10,20为合数,它有 3个合数因子,就称 20是一个 “3合因子数”
//牛牛想要知道1~n中给定k的情况下 k 合因子数的数目。
#include<bits/stdc++.h>
using namespace std;
const int MAXN=100005;
int f[MAXN],cnt[MAXN],n,m,x;
bool prim[MAXN];
void init(int n){
    memset(prim,false,sizeof(prim)); 
    for(int i=2;i<=n;++i){
        if(!prim[i]){//把不是质数的筛掉 
            for(int j=i+i;j<=n;j+=i){
                prim[j]=true;
            }
        }else{//如果不是质数,那就把以这个数为因子的数标记一次
            for(int j=i;j<=n;j+=i){
                cnt[j]++;
            }
        }
        f[cnt[i]]++;//例如 8,它被 4,8共标记了 2次 ,有两个合数,cnt[8]==2 ,此处就是 f[2]++; 
    }				//例如 12,它被 4,6 ,12共标记了 3次 ,有三个合数,cnt[12]==3 ,此处就是 f[3]++; 
}
int main(){
    scanf("%d %d",&n,&m);
    init(n);
    while(m--){
        scanf("%d",&x);
        printf("%d\n",f[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