HDU 2841 Visible Trees 容斥

题意(一开始也没怎么看懂):

一个人站在(0,0)处,树从(1,1)点开始排,共有m*n棵。如果两棵树在同一视线上(意思是两个点和(0,0)的斜率相同),则只看到前面一棵树,问你那个人能看到几棵树。


思路:

容斥。

简单分析之后,其实本质就是让你求gcd(x,y)=1有几组。(x,y)和(y,x)算两种。

这题和HDU 1695差不多,只不过那题(x,y)和(y,x)算一种。


1.先把<=1e5的每个数的质因子求出来并保存。

2.枚举x(1~m),对x的质因子进行容斥(在区间[1,n]中,对于x的某个质因子a,则可以知道有n/a个值和x是不互质的。因此对质因子容斥操作)。

3.累加每次枚举的结果。


枚举x容斥过程:

1.加上1个质因子集合的个数。

2.减去2个质因子集合的个数。

3.加上3个质因子集合的个数。

………………

code:

#include <cstring>
#include <iostream>
#include <cstdlib>
#include <cstdio>
#include <vector>
#include <algorithm>
using namespace std;

typedef long long LL;
const int MAXN = 1e5+5;
bool vis[MAXN];
vector<int> vec[MAXN];

int x, y;
void get_prime()
{
	memset(vis, false, sizeof(vis));
	for(int i = 2;i < MAXN; i++)
	{
		if(!vis[i])
		{
			vec[i].push_back(i);
			for(int j = i+i; j < MAXN ; j += i)
			{
				vis[j] = true;
				vec[j].push_back(i);
			}
		}
	}
}
LL calc(int t, int p)
{
	int v = 1, cot = 0;
	LL ret = 0;
	for(int i = 0;i < vec[t].size(); i++)
	{
		if(p&(1<<i))
		{
			v *= vec[t][i];
			cot++;
		}
	}
	ret = y/v;
	if(cot%2 == 0) ret = -ret;
	return ret;
}
void solve()
{
	LL res = 0;
	for(int i = 1;i <= x; i++)
	{
		res += y;
		for(int j = 1;j < (1<<vec[i].size()); j++)
			res -= calc(i, j);
	}
	printf("%I64d\n", res);
}

int main()
{
	get_prime();
	int T;
	scanf("%d", &T);
	while(T--)
	{
		scanf("%d%d", &x, &y);
		solve();
	}
	return 0;
}



  • 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