bzoj2683简单题 cdq分治

2683: 简单题

Time Limit: 50 Sec  Memory Limit: 128 MB
Submit: 1803  Solved: 731
[ Submit][ Status][ Discuss]

Description

你有一个N*N的棋盘,每个格子内有一个整数,初始时的时候全部为0,现在需要维护两种操作:

 

命令

参数限制

内容

1 x y A

1<=x,y<=N,A是正整数

将格子x,y里的数字加上A

2 x1 y1 x2 y2

1<=x1<= x2<=N

1<=y1<= y2<=N

输出x1 y1 x2 y2这个矩形内的数字和

3

终止程序

Input

输入文件第一行一个正整数N。
接下来每行一个操作。
 

Output

对于每个2操作,输出一个对应的答案。
 

Sample Input

4
1 2 3 3
2 1 1 3 3
1 2 2 2
2 2 2 3 4
3

Sample Output

3
5

HINT

 

1<=N<=500000,操作数不超过200000个,内存限制20M。

对于100%的数据,操作1中的A不超过2000。

 

cdq分治三维偏序 三维分别是操作序号,横坐标,纵坐标
把一个询问拆成4个,就变成了处理二维前缀和问题
对横坐标排序,操作序号cdq分治,纵坐标用bit处理

 

 1 #include<bits/stdc++.h>
 2 #define N 200005
 3 using namespace std;
 4 int n,m,t,c[N*3],ans[N];
 5 struct query{
 6     int x,y,v,id,op,bl;
 7     bool operator < (const query &b)const{
 8         if(x==b.x&&y==b.y)return id<b.id;
 9         return x==b.x?y<b.y:x<b.x;
10     }
11 }q[N<<2],a[N<<2];
12 
13 void add(int x,int y,int v){
14     if(!x||!y)return;
15     q[++m].x=x;q[m].y=y;q[m].id=m;
16     q[m].op=2;q[m].bl=t;q[m].v=v;
17 }
18 void update(int p,int x){
19     while(p<=n){
20         c[p]+=x;
21         p+=p&-p;
22     }
23 }
24 int ask(int x){
25     int ret=0;
26     while(x){
27         ret+=c[x];
28         x-=x&-x;
29     }
30     return ret;
31 }
32 
33 void solve(int l,int r){
34     if(l==r)return;
35     int mid=(l+r)>>1,p1=l,p2=mid+1;
36     for(int i=l;i<=r;++i){
37         if(q[i].id<=mid&&q[i].op==1)update(q[i].y,q[i].v);
38         if(q[i].id>mid&&q[i].op==2)ans[q[i].bl]+=ask(q[i].y)*q[i].v;
39     }
40     for(int i=l;i<=r;++i)
41     if(q[i].op==1&&q[i].id<=mid)update(q[i].y,-q[i].v);
42     for(int i=l;i<=r;++i){
43         if(q[i].id<=mid)a[p1++]=q[i];
44         else a[p2++]=q[i];
45     }
46     for(int i=l;i<=r;++i)q[i]=a[i];
47     solve(l,mid);solve(mid+1,r);
48 }
49 int main(){
50     scanf("%d",&n);
51     while(1){
52         static int op,x1,x2,y1,y2,v;
53         scanf("%d",&op);
54         if(op==1){
55             scanf("%d%d%d",&x1,&y1,&v);
56             q[++m].x=x1;q[m].y=y1;q[m].v=v;
57             q[m].id=m;q[m].op=op;
58         }
59         if(op==2){
60             scanf("%d%d%d%d",&x1,&y1,&x2,&y2);++t;
61             add(x1-1,y1-1,1);add(x2,y2,1);
62             add(x1-1,y2,-1);add(x2,y1-1,-1);
63         }
64         if(op==3)break;
65     } 
66     sort(q+1,q+1+m);
67     solve(1,m);
68     for(int i=1;i<=t;i++)
69     printf("%d\n",ans[i]);
70     return 0;
71 }

 

转载于:https://www.cnblogs.com/wsy01/p/8169064.html

  • 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