P3834 【模板】(主席树/整体二分)

题目
在这里插入图片描述

//整体二分
#include <cstring>
#include <cstdio>
#include <iostream>
#define low(x) ((x)&(-x))
#define  m(a,b) memset(a,b,sizeof a)
using namespace std;
typedef long long ll;
template<class T>void rd(T &x)
{
    x=0;int f=0;char ch=getchar();
    while(ch<'0'||ch>'9')  {f|=(ch=='-');ch=getchar();}
    while(ch>='0'&&ch<='9'){x=(x<<1)+(x<<3)+(ch^48);ch=getchar();}
    x=f?-x:x;
    return;
}
const int N=2e5+5,INF=0x3f3f3f3f;
struct node{int l,r,k,op,id;}q[N<<1],a[N<<1],b[N<<1];
int ans[N],c[N],n;
void add(int x,int val){
    while(x<=n) c[x]+=val,x+=low(x);
}
int getsum(int x){
    int res=0;
    while(x) res+=c[x],x-=low(x);
    return res;
}
void _clear(int x){
    while(x<=n&&c[x]) c[x]=0,x+=low(x);
}
void whole(int l,int r,int L,int R)
{
    if(L>R) return;
    if(l==r){
        for(int i=L;i<=R;++i)
            if(q[i].op==2) ans[q[i].id]=l;
        return;
    }
    int mid=(l+r)>>1,na=0,nb=0;
    for(int i=L;i<=R;++i)
    {
        if(q[i].op==1)
        {
            if(q[i].l<=mid) add(q[i].id,q[i].r),a[++na]=q[i];
            else b[++nb]=q[i];
        }
        else
        {
            int res=getsum(q[i].r)-getsum(q[i].l-1);
            if(res>=q[i].k) a[++na]=q[i];
            else b[++nb]=q[i],b[nb].k-=res;
        }
    }
    for(int i=1;i<=na;++i)
    {
        if(a[i].op==1) _clear(a[i].id);
        q[L+i-1]=a[i];
    }
    for(int i=1;i<=nb;++i) q[L+na-1+i]=b[i];
    whole(l,mid,L,L+na-1);
    whole(mid+1,r,L+na,R);
}
int main()
{
    int m;rd(n),rd(m);
    int l,r,k;
    for(int i=1;i<=n;++i) rd(l),q[i]=(node){l,1,0,1,i};
    for(int i=1;i<=m;++i) rd(l),rd(r),rd(k),q[n+i]=(node){l,r,k,2,i};
    whole(-INF,INF,1,n+m);
    for(int i=1;i<=m;++i) printf("%d\n",ans[i]);
}
  • 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