目标和 二维

class Solution {
    public int findTargetSumWays(int[] nums, int target) {
        int sum = 0;
        for(int temp : nums){
            sum += temp;
        }
        int[] weight = nums;
        int[] value = nums;
        if(sum < Math.abs(target)){
            return 0;
        }
        if((target + sum)%2 != 0){
            return 0;
        }
        int bagsize = (target + sum)/2;
        int[][] dp = new int[weight.length][bagsize+1];

        //用物品0填满容量为0的背包只有1中方式,那就是啥也不放
        dp[0][0] = 1;

        //用物品0填满不同容量的背包,注意是填满,只有当背包容量刚好=物品重量的时候才能填满
        //注意此处的初始化和最大value的不同之处
        for(int j = 0; j <= bagsize; j++){
            if(j == weight[0]){
                dp[0][j] = 1;
            }
        }
        
        //初始化左列,其中填满容量为0的背包,如果没有0,那就是1,
        //如果有很多0,每个0都可以取+ -两种方式,0的个数有n个,所以有2的n次方填满0
        int zeroNum = 0;
        for(int i = 0; i < weight.length; i++){
            if(weight[i] == 0){
                zeroNum++;
            }
            dp[i][0] = (int)Math.pow(2, zeroNum);
        }

        for(int i = 1; i < weight.length; i++){
            for(int j = 1; j <= bagsize; j++){
                if(weight[i] > j){
                    dp[i][j] = dp[i-1][j];
                }else{
                    // dp[i][j] = Math.max(dp[i-1][j], dp[i-1][j-weight[i]]+value[i]);
                    dp[i][j] = dp[i - 1][j] + dp[i - 1][j - weight[i]];
                }
                
            }
        }
        for(int i = 0; i < weight.length; i++){
            for(int j = 0; j <= bagsize; j++){  
                System.out.print(dp[i][j] + " ");
            }
            System.out.println(" ");
        }
        return dp[weight.length-1][bagsize];
    }
}

  • 5
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测的二维与三维融合是指将二维图像和三维点云数据相结合,以提高目标检测的准确性和鲁棒性。在这个过程中,可以利用二维图像的颜色、纹理等信息来提取目标的外观特征,同时利用三维点云的空间位置信息来获取目标的几何特征。 一种常见的方法是将二维图像和三维点云进行投影,将三维点云映射到二维图像上。通过这种方式,可以将二维图像中的目标检测结果与三维点云中的目标信息进行对应。例如,可以使用KITTI数据集中的三维检测框的顶点坐标来将目标框投影到图像上\[1\]。这样可以在二维图像中获取目标的位置和外观信息,并与三维点云中的几何特征相结合。 另一种方法是基于点的三维目标检测模型,如3DSSD。这种方法通过在点云中提取特征,并结合二维图像中的信息,来进行目标检测\[2\]。3DSSD是一种轻量级且有效的基于点的三维单级目标检测器,通过在下采样过程中采用新的融合采样策略,使得对较少代表性点的检测变得可行。它在精度和效率之间取得了良好的平衡,并且具有较高的推理速度。 另外,还有一些方法如Part-A2,它通过提取点云中各个点的特征,并结合候选框proposal生成最终的目标分类、置信度和位置预测特征\[3\]。这种方法利用了三维稀疏卷积和语义特征与Part特征的融合,以提高目标检测的性能。 综上所述,目标检测的二维与三维融合可以通过投影、特征提取和融合等方法来实现,以提高目标检测的准确性和鲁棒性。 #### 引用[.reference_title] - *1* [【三维目标检测可视化】三维点云目标检测与图像融合可视化](https://blog.csdn.net/suiyingy/article/details/124953129)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [【三维目标检测】3DSSD(二)](https://blog.csdn.net/suiyingy/article/details/126029612)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [【三维目标检测】Part-A2(二)](https://blog.csdn.net/suiyingy/article/details/126864663)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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