2021-01-20

博主分享了自己学习编程的日常,详细记录了学习时长和各个时间段的学习内容,包括记单词、博弈知识复习、英语阅读写作、排序方法学习以及刷题。文章还介绍了两个具体题目——关于抓牌游戏的策略和交叉排序问题,并给出了简单的解题思路。
摘要由CSDN通过智能技术生成

学习第三天

刷题:2
学习时长:7.5h
早上 7:00 每日打卡
7:30-8:00 记词汇
8:00-9:00 复习加强博弈知识
下午 3:00-5:00 写英语阅读
6:00-8:00 学习排序方法
8:00-10:00 刷题

打牌的兄弟俩
http://jsuacm.cn/problem.php?cid=1617&pid=4
简单思路:一共有n张牌,每人一次抓牌只能是2的幂次,一旦剩余牌数为3的倍数,那么接下来抓牌的那个人必输,即谁遇到3的倍数,谁就会输,如果要赢,就要让对方面临3的倍数。在这里插入图片描述
交叉排序
http://jsuacm.cn/problem.php?cid=1617&pid=7
简单思路:先看第一次排序,把从l1到r2的数从小到大进行排序,令i=l1,j=i+1,通过冒泡排序,如果后面的数比前面的数小,那么将它们俩进行交换,同理可得,把从l2到r2的数从大到小进行排序,如果后面的数比前面的数大,那么将它们俩进行交换。

第一次排序如下:
在这里插入图片描述
完整代码如下:在这里插入图片描述
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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