Standard Template Library ~ stack

栈是运用最广泛的数据结构之一,许多结构都基于栈来实现。如程序中函数的调用,表达式的计算以及检查程序中各种括号是否配对等都是依靠栈来实现的。为此,C++在它的标准模板库中实现了栈类,使C++程序员在编程中需要使用栈的时候不需要自己来实现栈类,而只需要使用标准库中的栈类便可。

STL中的栈提供4个标准运算:push(进栈),top(返回栈顶元素),pop(出栈),empty(判断是否为空栈)。栈本质上是一个线性表,STL中的栈类是借助线性表来实现的,将表尾设为栈顶,push的操作相当于在线性表的表尾增加一个元素,对应于线性表的push_back。pop操作相当于删除线性表的表尾元素,对应线性表的pop_back。top相当于返回线性表中的表尾元素,即对应于线性表中的back。empty检查栈是否为空,即检查线性表是否为空,这可以调用线性表的empty函数实现,在STL中,借助于其他容器储存数据的容器称为容器适配器。栈就是一个容器适配器。

定义一个栈对象要指明栈中元素的类型以及借助哪一个容器,因此栈的类模板有两个模板参数:栈元素类型和所借助的容器类型。栈可以借助的容器有vector,list,deque。栈的第二个模板参数带有默认值deque,在使用时若不指明第二个参数,则表示底层容器是deque。下面的代码演示了STL中栈的使用

#include<iostream>
#include<vector>
#include<list>
#include<stack>
using namespace std;

int main() {
	stack<int, vector<int>>s1;  //定义一个用vector保存数据的整型数栈
	stack<int, list<int>>s2;    //定义一个用list保存数据的整型数栈
	int i;

	for (i = 0; i < 10; ++i)
		s1.push(i);

	while (!s1.empty()) {
		cout << s1.top() << " ";
		s1.pop();
	}
	cout << endl;

	for (i = 0; i < 10; ++i)
		s2.push(i);

	while (!s2.empty()) {
		cout << s2.top() << " ";
		s2.pop();
	}
	cout << endl;
		return 0;
	}

使用STL中的栈要包括头文件stack。在上述代码中定义了两个栈s1,s2.  s1是基于vector的,即顺序栈。 s2是基于list的,即链接栈。首先演示了顺序栈的使用。将0到9一次进栈s1,然后将s1中的元素退栈,直到栈为空,并显示出栈元素。其次演示了链接栈的使用,将0到9依次进栈s2,将s2中的元素退栈,直到栈为空,并显示出栈元素。这两个的输出的结果都是一样的:

9 8 7 6 5 4 3 2 1 0

从代码实现来看,虽然两个栈的实现方式不同但是他们的使用方式是一样的

  • 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