leetcode

1.两数之和——hashtable

/*class Solution {
    public int[] twoSum(int[] nums, int target) {
        for (int i=0;i<=nums.length;i++){
            for (int j=i+1;j<=nums.length;j++){
                if (nums[i]+nums[j]==target) {
                    return new int[]{i,j};
        
                }
                
            } 
            
        }
        throw new IllegalArgumentException("No two sum solution");
    }
}
*/
class Solution {
public int[] twoSum(int[] nums, int target){
    Map<Integer, Integer>map = new HashMap<>();
    for(int i=0; i<nums.length; i++){
        map.put(nums[i],i);
    }
    for (int i=0; i <nums.length; i++){
        int complement=target -nums[i];
        if(map.containsKey(complement) && map.get(complement) != i){
            return new int[] {i,map.get(complement)};
        }
    }
     throw new IllegalArgumentException("No two sum solution") ; 
}
}

2.罗马数字转整数

class Solution {
    public int romanToInt(String s) {
        Map<Character, Integer>map = new HashMap<>();
 //      构造哈希表
        map.put('I',1);
        map.put('V',5);
        map.put('X',10);
        map.put('L',50);
        map.put('C',100);
        map.put('D',500);
        map.put('M',1000);
        char c0 = s.charAt(s.length()-1);
        int n =map.get(c0);
        int m = 0;
        for(int i=0; i<s.length()-1; i++){
          char c1 = s.charAt(i);
          char c2 = s.charAt(i+1);
          
          if(map.get(c1)>=map.get(c2)){
              m = m + map.get(c1);
          } 
          else {
              m =m-map.get(c1);
          } 
        
          }
        
       return m+n; 
    }
}
//耗时117ms,内存63.5MB

 

转载于:https://www.cnblogs.com/heyaqiong/p/10435795.html

  • 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