BZOJ 4043 [Cerc2014] Vocabulary

题目链接

https://www.lydsy.com/JudgeOnline/problem.php?id=4043

题解

首先补全字符串。

f [ i ] [ j ] f[i][j] f[i][j]表示字符串的前 i i i位, j j j 0 0 0代表三个串字典序都相等, 1 1 1代表前两个串字典序相等而第二个<第三个, 2 2 2代表第一个<第二个=第三个, 3 3 3代表第一个<第二个<第三个,这样如果直接转移显然非常麻烦。

考虑设 g [ i ] [ j ] [ k ] [ s ] [ t ] g[i][j][k][s][t] g[i][j][k][s][t]表示三个串现在的字符分别为 i , j , k i,j,k i,j,k,状态从 s s s转移到 t t t的方案数,这样枚举 i , j , k i,j,k i,j,k代表的字符顺序,转移非常显然,用这个来转移 f [ i ] [ j ] f[i][j] f[i][j]也很显然了。

代码

#include <cstdio>
#include <cstring>
#include <algorithm>

int read()
{
  int x=0,f=1;
  char ch=getchar();
  while((ch<'0')||(ch>'9'))
    {
      if(ch=='-')
        {
          f=-f;
        }
      ch=getchar();
    }
  while((ch>='0')&&(ch<='9'))
    {
      x=x*10+ch-'0';
      ch=getchar();
    }
  return x*f;
}

const int maxn=1000000;
const int mod=1000000009;

int n,g[30][30][30][4][4],f[maxn+10][4],ch[3][maxn+10];
char s[3][maxn+10];

int main()
{
  for(int i=0; i<=27; ++i)
    {
      for(int j=0; j<=27; ++j)
        {
          for(int k=0; k<=27; ++k)
            {
              int li,ri,lj,rj,lk,rk;
              if(i==27)
                {
                  li=1;
                  ri=26;
                }
              else
                {
                  li=ri=i;
                }
              if(j==27)
                {
                  lj=1;
                  rj=26;
                }
              else
                {
                  lj=rj=j;
                }
              if(k==27)
                {
                  lk=1;
                  rk=26;
                }
              else
                {
                  lk=rk=k;
                }
              for(int a=li; a<=ri; ++a)
                {
                  for(int b=lj; b<=rj; ++b)
                    {
                      for(int c=lk; c<=rk; ++c)
                        {
                          if((a<b)&&(b<c))
                            {
                              ++g[i][j][k][0][3];
                            }
                          else if((a<b)&&(b==c))
                            {
                              ++g[i][j][k][0][2];
                            }
                          else if((a==b)&&(b<c))
                            {
                              ++g[i][j][k][0][1];
                            }
                          else if((a==b)&&(b==c))
                            {
                              ++g[i][j][k][0][0];
                            }
                          if(a==b)
                            {
                              ++g[i][j][k][1][1];
                            }
                          else if(a<b)
                            {
                              ++g[i][j][k][1][3];
                            }
                          if(b==c)
                            {
                              ++g[i][j][k][2][2];
                            }
                          else if(b<c)
                            {
                              ++g[i][j][k][2][3];
                            }
                          ++g[i][j][k][3][3];
                        }
                    }
                }
            }
        }
    }
  int t=read();
  while(t--)
    {
      scanf("%s%s%s",s[0]+1,s[1]+1,s[2]+1);
      n=0;
      for(int i=0; i<3; ++i)
        {
          n=std::max(n,(int)strlen(s[i]+1));
        }
      for(int i=0; i<3; ++i)
        {
          int ni=strlen(s[i]+1);
          for(int j=1; j<=ni; ++j)
            {
              if(s[i][j]=='?')
                {
                  ch[i][j]=27;
                }
              else
                {
                  ch[i][j]=s[i][j]-'a'+1;
                }
            }
          for(int j=ni+1; j<=n; ++j)
            {
              ch[i][j]=0;
            }
        }
      f[0][0]=1;
      for(int i=1; i<=n; ++i)
        {
          for(int j=0; j<4; ++j)
            {
              for(int k=0; k<4; ++k)
                {
                  f[i][j]=(f[i][j]+1ll*f[i-1][k]*g[ch[0][i]][ch[1][i]][ch[2][i]][k][j])%mod;
                }
            }
        }
      printf("%d\n",f[n][3]);
      for(int i=1; i<=n; ++i)
        {
          for(int j=0; j<4; ++j)
            {
              f[i][j]=0;
            }
        }
    }
  return 0;
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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