CodeForces 596C Wilbur and Points

先对n个点分类,然后按题意要求构造,构造的时候判断这个点的右上方之前是否有点,判断可以用线段树来操作。

#include<cstdio>
#include<cstring>
#include<cmath>
#include<vector>
#include<map>
#include<algorithm>
using namespace std;
const int maxn=200000+10;
vector<int>g[2*maxn],FX,FY;
int w[maxn];
struct X
{
    int x,y,id;
}s[maxn],tmp[maxn];
int n,Max;
int segtree[2*maxn];
bool cmp(const X&a,const X&b)  {return a.x<b.x;}
void quary(int L,int R,int l,int r,int rt)
{
    if(L<=l&&r<=R) {Max=max(Max,segtree[rt]); return ;}
    int m=(l+r)/2;
    if(L<=m) quary(L,R,l,m,2*rt);
    if(R>m) quary(L,R,m+1,r,2*rt+1);
}
void update(int pos,int val,int l,int r,int rt)
{
    if(l==r&&l==pos) { segtree[rt]=val; return; }
    int m=(l+r)/2;
    if(pos<=m) update(pos,val,l,m,2*rt);
    else update(pos,val,m+1,r,2*rt+1);
    segtree[rt]=max(segtree[2*rt],segtree[2*rt+1]);
}
int main()
{
    scanf("%d",&n); FX.clear(); FY.clear();
    for(int i=1;i<=n;i++) scanf("%d%d",&s[i].x,&s[i].y);
    for(int i=1;i<=n;i++) scanf("%d",&w[i]);
    sort(s+1,s+1+n,cmp);
    for(int i=1;i<=n;i++) g[s[i].y-s[i].x+200000].push_back(i);
    bool fail=0; map<int,int>h; h.clear();
    memset(segtree,-1,sizeof segtree);
    for(int i=1;i<=n;i++)
    {
        if(h[w[i]]==g[w[i]+200000].size()) {fail=1;break;}
        int id=g[w[i]+200000][h[w[i]]];
        Max=-1; quary(s[id].x,100000,0,100000,1);
        if(Max>=s[id].y){fail=1;break;}
        update(s[id].x,s[id].y,0,100000,1);
        int tmpx=s[id].x,tmpy=s[id].y;
        FX.push_back(tmpx); FY.push_back(tmpy);  h[w[i]]++;
    }
    if(fail==0)
    {
        printf("YES\n");
        for(int i=0;i<FX.size();i++) printf("%d %d\n",FX[i],FY[i]);
    }
    else printf("NO\n");
    return 0;
}

 

转载于:https://www.cnblogs.com/zufezzt/p/5469154.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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