蓝桥杯 基础练习18 矩形面积交

#include <iostream>
#include <iomanip>
#include <math.h>

// 平面上有两个矩形,它们的边平行于直角坐标系的X轴或Y轴。
// 对于每个矩形,我们给出它的一对相对顶点的坐标,
// 请你编程算出两个矩形的交的面积。

// 输入仅包含两行,每行描述一个矩形。
// 在每行中,给出矩形的一对相对顶点的坐标,
// 每个点的坐标都用两个绝对值不超过10 ^ 7的实数表示。

// 输出仅包含一个实数,为交的面积,保留到小数后两位。
int max(int a, int b)
{
	if (a < b)
		return b;
	else
		return a;
}

int min(int a, int b)
{
	if (a < b)
		return a;
	else
		return b;
}

int main()
{
	using namespace std;
	double x1, y1, x2, y2, x3, y3, x4, y4;
	double nx1, ny1, nx2, ny2;
	cin >> x1 >> y1 >> x2 >> y2 >> x3 >> y3 >> x4 >> y4;
	// 左下角横坐标
	nx1 = max(min(x1, x2), min(x3, x4));
	// 左下角纵坐标
	ny1 = max(min(y1, y2), min(y3, y4));
	// 右上角横坐标
	nx2 = min(max(x1, x2), max(x3, x4));
	// 右上角纵坐标
	ny2 = min(max(y1, y2), max(y3, y4));
	if (nx2 > nx1 && ny2 > ny1)
	{
		printf_s("%.2f", (nx2 - nx1)*(ny2 - ny1));
	}
	else
	{
		printf_s("0.00");
	}
}
  • 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