sdnu1341(日期)

virgo’s winter vacation
Description

2017年1月15日是山师放寒假的日子,撒花,撒花。为此Virgo决定设计一个程序,来还有多少天回家:给出某一天的日期year-month-date, 求这一天
到2017-1-15还差几天。

Input

第一行有个整数T, 表示测试组数。T≦100。接下来每个测试组,给出三个数year month date。(1900 <=year <=2017 ), 保证每个日期均合法,并且小于2017-1-15。

Output

对于每个测试组,请输出对应的答案。

Sample Input

3
2010 10 11
2011 10 11
2012 10 11

Sample Output

2288
1923
1557

注意是差多少天,1号和3号差1天
日常注意闰年

#include<bits/stdc++.h>
using namespace std;
bool judge(int n)
{
    if(n%4==0&&n%100!=0)
        return 1;
    else if(n%400==0)
        return 1;
    else
        return 0;
}
int a[13]= {0,31,28,31,30,31,30,31,31,30,31,30,31};
int main()
{
    int n,t,i,ans,year,mon,day;
    scanf("%d",&t);
    while(t--)
    {
        ans=0;
        scanf("%d%d%d",&year,&mon,&day);
        if(mon>1||(mon==1&&day>15))///日期在1月15日之后
        {
            for(i=year+1; i<2017; i++)///先从下一年的1月15日算起至2017年1月15日
            {
                ans+=365;
                if(judge(i))
                    ans++;
            }
            for(i=mon+1; i<=12; i++)///再算第一年下一个月到第一年末
                ans+=a[i];
            ans+=15;///加上下一年的头15天
            ans+=a[mon]-day+1;///本月剩余
            if(mon<=2&&day<=29)
                ans++;
        }
        else
        {
            for(i=year; i<2017; i++)///日期在1月15日前,从第一天直接加到2017年的这一天
            {
                ans+=365;
                if(judge(i))
                    ans++;
            }
            ans+=15-day+1;///到2017年15号还有多少天
        }
        cout<<ans-1<<'\n';///因为求差的天数,要减一
    }
    return 0;
}

  • 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