leetcode 119、48、54、59

一、杨辉三角II

leetcode 119 杨辉三角II
利用二维矩阵来存储杨辉三角,注意题中默认第一行为0,所有第一个循环i<=rowIndex ,杨辉三角的特性就是每行的第一个元素和最后一个元素都为1,其他元素都是上一行上面的左右元素之和,之后返回对应行数即可。

public List<Integer> getRow(int rowIndex) {
        //利用二维矩阵来存储杨辉三角,返回相应的行即可
        List<List<Integer>> res=new ArrayList<>();
        for(int i=0;i<=rowIndex;i++){//注意这里要等于题中默认第一行为0,所以rowIndex=3 其实是第四行 行
        List<Integer> list=new ArrayList<>();
        for(int j=i;j>=0;j--){//这里第第四行有四个,即为rowIndex+1 列
            if(i==j||j==0){
                list.add(1);
            }else{
                list.add(res.get(i-1).get(j)+res.get(i-1).get(j-1));//每行元素是上一行左右元素之和
            }
        }
        res.add(list);
        }
        return res.get(rowIndex);
    }

二、旋转图像

leetcode 48 旋转图像
如果再使用一个矩阵就是将第一行的元素放到最后一行,第二行元素放到倒数第二列,依次类推,但是题中说原地修改,所以这里就先转置,再反转
在这里插入图片描述

 public void rotate(int[][] matrix) {
    //先进行转置,将第一列变为第一行,
    int n=matrix.length;
    for(int i=0;i<n;i++){//
        for(int j=i;j>=0;j--){
            int temp=matrix[i][j];
            matrix[i][j]=matrix[j][i];
            matrix[j][i]=temp;
        }
    }
    //转置完成,在进行反转
    //每一行内部进行交换
    for(int i=0;i<n;i++){
        int l=0;  int r=n-1;
        while(l<r){
            int temp=matrix[i][l];
            matrix[i][l]=matrix[i][r];
            matrix[i][r]=temp;
            l++; r--;
        }
    }
    }

三、螺旋矩阵

leetcode 54 螺旋矩阵
要实现顺时针遍历,定义四个变量来实现:
left right up down
先是 left -> right 方向为→
之后是 right -> down 方向为↓
之后为 right ->left 方向为←
之后为 down-> up 方向为↑ 依次遍历存放即可

public List<Integer> spiralOrder(int[][] matrix) {
       //螺旋矩阵    定义四个变量来实现
       int row = matrix.length; //定义行数
       int col = matrix[0].length;  //定义列数
       List<Integer> list=new ArrayList<>();
       int len=row*col;
       int left=0;//定义四个坐标变量
       int right=col-1;
       int up=0;
       int down=row-1;
       int index=0;
       //遍历模拟顺时针旋转
       while(index<len){
           for(int i=left;i<=right;i++){
               list.add(matrix[up][i]);
               index++;
               if(index==len){
                  return list;
               }
           }
           up++;
           for(int i=up;i<=down;i++){
            list.add(matrix[i][right]);
               index++;
             if(index==len){
                   return list;
               }
           }
            right--;
            for(int i=right;i>=left;i--){
               list.add(matrix[down][i]);
               index++;
                 if(index==len){
                   return list;
               }
            }
            down--;
            for(int i=down;i>=up;i--){
                list.add(matrix[i][left]);
               index++;
                 if(index==len){
                 return list;
               }
            }
            left++;
       }
       return list;
    }

四、螺旋矩阵 II

leetcode 59 螺旋矩阵 II
这个题和上一个很像也是从四个方向遍历,只是其他的稍微变了一点

public int[][] generateMatrix(int n) {
        int [][]res=new int[n][n];
        int left=0;
        int right=n-1;
        int up=0;
        int down=n-1;
        int cur=1;
        while(left<=right&&up<=down){
        //从四个方向遍历  →  ↓  ←  ↑ 
        for(int i=left;i<=right;i++){
            res[up][i]=cur++;
        }
        up++;
        if(up>down) break;
        for(int i=up;i<=down;i++){
            res[i][right]=cur++;
            }
        right--;
        if(left>right) break;
        for(int i=right; i>=left ;i--){
            res[down][i]=cur++;
        }
        down--;
        if(up>down) break;
        for(int i=down;i>=up;i--){
            res[i][left]=cur++;
        }
        left++;
        if(left>right) break;
        }
        return res;
    }
  • 1
    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