巩固string容器、vector容器、deque容器案例

评委给选手打分案例:

要求:
1.利用到string容器、vector容器、deque容器
2.在键盘上输入选手名字、在键盘上输入评委打的分数
3.去掉一个最高分一个最低分,求平均分
思路:
1.宏定义选手个数,评委个数
2.写一个选手类
3.用vector容器存选手姓名
4.用deque容器存分数
5.用sort排序去掉最高分和最低分

#include<iostream>
using namespace std;
#define XH 2 //宏定义 选手个数
#define PW 3  //宏定义  评委个数
#include<string>
#include<vector>
#include<deque>
#include<algorithm>


class Person
{
public:

	Person(string name, int score)
	{
		this->Name = name;   //选手名字
		this->Score = score;  //选手平均分
	}

	string Name;
	int Score;

};


void PersonNameScore(vector<Person>& v) 
{
	string name;
	for (int i = 0; i < XH; i++)
	{
		cout << "请输入第" << i + 1 << "个选手的名字:";
		cin >> name;
		int score = 0;
		deque<int>d;
		for (int i = 0; i < PW; i++)
		{
			cout << "第" << i + 1 << "个评委请打分" << "  ";
			cin >> score;
			d.push_back(score);
		}

		//排序
		sort(d.begin(), d.end());

		//去除最高分、最低分
		d.pop_back();
		d.pop_front();

		int sum = 0;
		for (deque<int>::iterator dit = d.begin(); dit != d.end(); dit++)
		{
			sum += *dit;   //累加每个评委的分数
		}
		int avg = sum / d.size();//选手平均分=总分数/评委个数

		Person p(name, avg);

		//将创建的Preaon对象放入容器中
		v.push_back(p);
	}
	
}

//输出平均分
void ShowScore(vector<Person>& v)
{
	for (vector<Person>::iterator it = v.begin(); it != v.end(); it++)
	{
		cout << "姓名:" << it->Name << "  平均分:" << it->Score << endl;
	}
}


int main()
{

	vector<Person>v;

	PersonNameScore(v);

	ShowScore(v);

	system("pause");
	return 0;
}
  • 2
    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