包含min函数的栈

题目类型

题目描述

定义栈的数据结构,请在该类型中实现一个能够得到栈中所含最小元素的min函数(时间复杂度应为O(1))。
注意:保证测试中不会当栈为空的时候,对栈调用pop()或者min()或者top()方法。

code

  • code0
  • 一个栈+一个同步容器
  • 这里要注意vector的erase操作
class Solution {
public:
    stack<int> st;
    vector<int> v;
    void push(int value) {
        st.push(value);
        v.push_back(value);
    }
    void pop() {
        vector<int>::iterator it;
        for(it=v.begin(); it!=v.end(); it++){
            if(*it==st.top()){
                v.erase(it);
                break;
            }
        }
        st.pop();
    }
    int top() {
        return st.top();
    }
    int min() {
        int minn=0x3f3f3f;
        for(int i=0; i<v.size(); i++){
            if(minn>v[i])
                minn=v[i];
        }
        return minn;
    }
};
运行时间:3ms
占用内存:480k
  • code1
  • 一个栈+一个同步栈
  • 这个比较巧妙:设置一个同步栈用于保存最小值,当push的元素value小于等于该同步栈顶元素时,将value推入该同步栈;当pop操作时栈顶元素与同步栈顶元素相等时,将同步栈定元素也pop出去这样可以保持。(该同步栈顶元素一定是最小值)
class Solution {
public:
    stack<int> st;
    stack<int> smin;
    void push(int value) {
        st.push(value);
        if(smin.empty())
            smin.push(value);
        else if(smin.top()>=value){
            smin.push(value);
        }
    }
    void pop() {
        if(st.top()==smin.top())
            smin.pop();
        st.pop();
    }
    int top() {
        return st.top();
    }
    int min() {
        return smin.top();
    }
};
运行时间:3ms
占用内存:484k
  • 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