bzoj 4237: 稻草人 cdq分治

  

 

 

 

求有多少个点对  其一个点为左下角  一个点为右下角所形成的矩形内部没有点 每个x与y都不同

 

一开始的思路:

先按照x坐标排序  进行cdq分治  

然后在cdq内对y进行排序  枚举mid+1-r的点作为右上角的点

发现只要维护左半边的的单调递增就可以形成点对  用单调栈很好的维护

但是忽略了右半边已经遍历过的点对答案产生的影响

 

参考了yyb巨佬:https://www.cnblogs.com/cjyyb/p/8419102.ht

 

 想一下新增点的x左边可以发现影响关系

#include<bits/stdc++.h>
using namespace std;
#define rep(i,a,b) for(int i=(a);i<=(b);i++)
#define repp(i,a,b) for(int i=(a);i>=(b);--i)
#define ll long long
#define see(x) (cerr<<(#x)<<'='<<(x)<<endl)
#define inf 0x3f3f3f3f
#define CLR(A,v)  memset(A,v,sizeof A)
/
const int N=1e6+10;
//维护单调递减的单调栈
int n,m;ll ans[N];ll sum;
struct node{int x,y,id;}s[N];
bool cmp(node a,node b){return a.y>b.y;}
bool cmpx(node a,node b){return a.x<b.x;}
int sta1[N],top1,sta2[N],top2;

void cdq(int l,int r)
{
    if(l==r)return ;int mid=(l+r)>>1;
    cdq(l,mid);cdq(mid+1,r);
    int j=mid+1;
    sort(s+l,s+mid+1,cmp);sort(s+mid+1,s+r+1,cmp);
    int top1=top2=0;
    rep(i,l,mid)
    {
        while(j<=r&&s[i].y<s[j].y)
        {
            while(top1>0&&s[sta1[top1]].x>s[j].x)top1--;
            sta1[++top1]=j++;
        }
        while(top2>0&&s[sta2[top2]].x<s[i].x)top2--;
        sta2[++top2]=i;
        if(top2==1)sum+=1ll*top1;
        else 
        {
            int L=1,R=top1,an=top1+1;
            while(L<=R)
            {
                int mid=(L+R)>>1;
                if(s[sta1[mid]].y>s[sta2[top2-1]].y)L=mid+1;
                else an=mid,R=mid-1;
            }
            sum+=1ll*top1-an+1;
        }
    }
}
int main()
{
    cin>>n;
    rep(i,1,n)
    {
        scanf("%d%d",&s[i].x,&s[i].y);s[i].id=i;
    }
    sort(s+1,s+1+n,cmpx);
    cdq(1,n);
    cout<<sum;
    return 0;
}
View Code

 

转载于:https://www.cnblogs.com/bxd123/p/11469329.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