STL源码剖析第5章

5 关联式容器

容器 分为 序列式 和 关联式

标准的STL关联式容器分为 set 和 map,以及它们的衍生体 multiset 和 multimap
底层实现:RB-tree (红黑树)

不在标准之列的关联式容器:hash table (散列表),以此hash table为底层机制而完成的hash_set, hash_map, hash_multiset, hash_multimap

  • 说明:hash table 散列表及其衍生容器相当重要,未纳入C++标准的原因是,提案太晚

在这里插入图片描述

平衡二叉树 balanced binary tree
包括:AVL-tree, RB-tree, AA-tree,其中最广泛的是STL的RB-tree

STL关联式容器 -> RB-tree -> tree
RB-tree: 可以提供良好搜寻效率的树状结构

树由 节点 和 边 组成

  • 根节点 root : 整棵树的最上端节点
  • 父节点 parent :相连的节点中,上者为父节点
  • 子节点 child: 相连的节点中,下者为子节点
  • 叶节点 leaf: 无子节点者称为 叶节点
  • 二叉树:子节点可以存在多个,如果最多只允许两个子节点,即所谓二叉树
  • 兄弟节点:不同的节点如果拥有相同的父节点,则彼此称为兄弟节点
  • 路径长度(length):根节点至任何节点之间有唯一路径,路径所经过的边数称为路径长度
  • 节点深度(depth):根节点至任一节点的路径长度
  • 节点高度(height):某节点至其最深子节点
  • 节点的大小(size):指所有子代包括自己的节点总数

在这里插入图片描述

那么问题来了:
节点的深度和长度有啥区别?

二叉搜索树 binary search tree

二叉树:任何节点最多只允许两个子节点,两个子节点称为左子节点 和 右子节点
编译器表达树 和 哈夫曼编码树 都是二叉树

平衡二叉树 AVL tree

在这里插入图片描述

任何节点的左右子树高度相差最多1
外侧插入:单旋转
内侧插入:双旋转(利用两次单旋转)

RB-tree

不仅是一个二叉树,还满足以下规则:

  1. 每个节点不是红色就是黑色
  2. 根节点为黑色
  3. 如果节点为红色,其子节点必须为黑色
  4. 任一节点至NULL(树尾端)的任何路径,所含黑节点数必须相同

规则总结:

  • 每个节点都有颜色,非红即黑
  • 根节点为黑
  • 父子两节点不得同时为红
  • 任意节点到达NULL节点之任一路径所包含的黑结点数量必须相同
    在这里插入图片描述
  • 1
    点赞
  • 1
    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