简单连连看 hdu 1175

此题是一个简单版得连连看,而且只是判断给出的两个坐标所在的图片是否可以相消,而不是给出一个连连看相消的序列。

 

 

简单来说就是广搜,从起始点向4个方向扩展,记录每个点的转折次数,也就是代价了。对于代价小于2的点(转折<=2次)的继续在队列扩展,其他的不用入队列 了。

 

记录一下猥琐的代码:

 

#include <stdio.h>
#include <iostream>
#define N 1001
using namespace std;

int g[N][N];
int tag[N][N];
int cnt[N][N];
int que[N*N][2];
int dire[4][2] = {{-1,0},{0,1}, {1,0},{0,-1}};
int lianliankan(int m, int n, int x1, int y1, int x2, int y2)
{
    int i, j;
    int x, y, xx, yy;
    int rear=0, front=0;
    
    if ( g[x1][y1] != g[x2][y2] )   // if the targets not equal
      return 0;
    if ( g[x1][y1] == 0 || g[x2][y2] == 0 )  // if one of the target is empty(that is to say no object in there)
       return 0;
    
    for ( i = 0;i < m; ++i )
        for ( j = 0; j < n; ++j )
            {
                cnt[i][j]= 3;
                tag[i][j] = -1;
            }

    for ( i = 0; i < 4; ++i )
    {
        x = x1 + dire[i][0];
        y = y1 + dire[i][1];
        if ( x >= 0 && x < m && y >=0 && y < n )
        {
            if ( x==x2 && y == y2 )
               return 1;
            if ( g[x][y] )
             continue;
            tag[x][y] = i;
            cnt[x][y] = 0;
            que[front][0] = x;
            que[front++][1] = y;
        } 
    }
    
    cnt[x1][y1] = 0;
    while ( rear < front )
    {
        xx = que[rear][0];
        yy = que[rear][1];

        for ( i = 0; i < 4 ; ++i )
        {
            x = xx + dire[i][0];
            y = yy + dire[i][1];
            if ( x >= 0 && x < m && y >= 0 && y < n )
            {

                     if ( i == tag[xx][yy] && cnt[x][y] > cnt[xx][yy]) // line
                    {
                       if ( x == x2 && y == y2 )
                          return 1;
                       if ( g[x][y] )
                          continue;
                       tag[x][y] = i;
                       cnt[x][y] = cnt[xx][yy];
                       que[front][0] = x;
                       que[front++][1] = y;
                       
                    }
                    else if ( i != tag[xx][yy] && cnt[x][y] > cnt[xx][yy] + 1 )  // broken line
                    {
                        if ( x == x2 && y == y2 )
                          return 1;
                        if ( g[x][y] )
                           continue;
                        tag[x][y] = i;
                        cnt[x][y] = cnt[xx][yy] + 1;
                        que[front][0] = x;
                        que[front++][1] = y;
                        
                    }
            }
        }
        rear++;
    }
    return 0;
}


int main()
{
    int m, n;
    int i, j, k;
    int x1, y1, x2, y2;
    while( scanf("%d%d", &m, &n) != EOF &&(m && n) )
    {
           for ( i = 0; i < m; ++i )
               for ( j = 0; j < n; ++j )
                   scanf("%d", &g[i][j]);
           int q;
           scanf("%d", &q);
           for ( i = 0;i < q; ++i )
           {
               scanf("%d%d%d%d", &x1, &y1, &x2, &y2);
            
               if ( lianliankan(m,n,x1-1,y1-1,x2-1,y2-1) )
                  printf("YES\n");
               else
                   printf("NO\n");
               
           }       
    }    
    
    return 0;
}
 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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
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
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