poj 2796 && hdu 1506

poj 2796
http://poj.org/problem?id=2796
hdu 1506
http://acm.hdu.edu.cn/showproblem.php?pid=1506

这两个题一个套路 所以放在一起写了

poj 2796
题意:给出一个长度n的序列 求 max(一个区间的和乘上该区间的最小值 )
我们可以这样 遍历每一个点 把每个点作为一个区间的最小值 去维护一下左右边界
那么在加上一个前缀和处理 遍历一遍就可以得出答案了
那么仔细想想 当前点最小 向左边去找 一直到最左边的数大于该数
右边也同理

#include<cstdio>
#include<iostream>
using namespace std;
typedef long long ll;
ll a[1000005];
ll sum[1000005];
int l[1000005], r[1000005];
int main()
{

    int n;
    cin>>n;
    for (int i = 1; i <= n; i++)
    {
        scanf("%lld", &a[i]);
        sum[i]=sum[i-1] + a[i];
    }
    int j;
    for (int i = 1; i <= n; i++)
    {
        j = i;
        while (j>1 && a[j-1]>=a[i])
            j=l[j-1];///这是代码的核心 想一下左边的值大于该点的值 那么左边的这个值的左边界
        l[i]=j;       ///是大于等于左边的值的  所以也一定在该点的区间内 大大减少了复杂度
    }
    for (int i=n;i;i--)
    {
        j=i;
        while (j<n && a[j+1]>=a[i])
            j=r[j+1];///道理同左边的处理
        r[i]=j;
    }
    ll ans = -1;
    int ansl = 0, ansr = 0;
    for (int i = 1; i <= n; i++)
    {
        ll v = a[i] * (sum[r[i]] - sum[l[i] - 1]);
        if (v > ans)
        {
            ans = v;
            ansl = l[i];
            ansr = r[i];
        }
    }
    cout<<ans<<endl<<ansl<<" "<<ansr;
    return 0;
}

hdu 1506
这题与上面一题很像 就是给了一个长度为n的序列 代表一段连续的宽为1的长方形的长 问最大连续的长方形的面积是多少 要成长方形 大家想一下木板效应就懂了 这个面积的大小取决于最短的长度 然后向两边拓展区间长度 直到有比他短的就是边界 所以这题与上面一题方法一样
以每个点作为区间最小值 去维护左右两个边界 然后去循环找最大即可 这题比起上一题仅仅是少了一个前缀和处理而已

#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
int a[100010],l[100010],r[100010];
int main()
{
    int n;
    while(cin>>n && n)
    {
        for(int i=1; i <= n; i ++)
            scanf("%d",&a[i]);

        for (int i=1,j;i<=n;i++)
        {
            j=i;
            while (j>1 && a[j-1]>=a[i])
                j=l[j-1];
            l[i]=j;
        }
        for (int i=n,j;i;i--)
        {
            j=i;
            while (j<n && a[j+1]>=a[i])
                j=r[j+1];
            r[i]=j;
        }
        ll ans=0;
        for(int i=1;i<=n;i++)
            ans=max(ans,1LL * a[i] * (r[i] - l[i] + 1));
        cout<<ans<<endl;
    }
    return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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

打赏作者

我不会c语言

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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