SPOJ GSS4 Can you answer these queries IV

题意:

给定一个序列和m个操作,

1,让l~r区间内的数都开方

2,求区间和。

思路:

由于LL内的数最多开方10次就会变成1了, 所以用区间维护区间和, 然后开方的时候如果不是全都是1的话就暴力开方, 区间内全都是1的话就不更新。

这么搞不是很靠谱的感觉。。用线段树套平衡树可以做到mlognlogn。。 但是懒得写了。。。

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

#define LL long long
#define N 100020
#define ls (i << 1)
#define rs (ls | 1)
#define md ((ll + rr) >> 1)
#define lson ll, md, ls
#define rson md + 1, rr, rs

int n;
LL sum[N*4];

void push_up(int i) {
	sum[i] = sum[ls] + sum[rs];
}
void build(int ll, int rr, int i) {
	if(ll == rr) {
		scanf("%lld", &sum[i]);
		return;
	}
	build(ll, md, ls);
	build(md + 1, rr, rs);
	push_up(i);
}
void update(int l, int r, int ll, int rr, int i) {
	if(sum[i] == rr - ll + 1)
		return;
	if(ll == rr) {
		sum[i] = sqrt(sum[i] + 0.5);
		return;
	}
	if(r <= md) update(l, r, lson);
	else if(l > md) update(l, r, rson);
	else
		update(l, md, lson), 
		update(md + 1, r, rson);
	push_up(i);
}
LL query(int l, int r, int ll, int rr, int i) {
	if(ll == l && rr == r) return sum[i];
	if(r <= md) return query(l, r, lson);
	if(l > md) return query(l, r, rson);
	return query(l, md, lson) + query(md + 1, r, rson);
}
int main() {
	int kk = 0;
	while(scanf("%d", &n) != EOF) {

		build(1, n, 1);
		int m;
		scanf("%d", &m);
		printf("Case #%d:\n", ++kk);
		while(m--) {
			int op, l, r;
			scanf("%d%d%d", &op, &l, &r);
			if(l > r) swap(l, r);
			if(op == 0)
				update(l, r, 1, n, 1);
			else
				printf("%lld\n", query(l, r, 1, n, 1));
		}
		puts("");
	}
	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