第四章

例4.1 求axx+bx+c=0的根 当bb-4ac>=0时输出两个实数根,当bb-4a*c<0时输出 此方程无解。

# include <stdio.h>
# include <math.h>
int main()
{
	double a,b,c,disc,x1,x2,p,q;
	scanf("%lf%lf%lf",&a,&b,&c);
	disc=b*b-4*a*c;
	if(disc<0)
		printf("此方程无实数根");
	else
	{	p=-1*b/2*a;
	q=sqrt(disc)/2*a;
	x1=p+q;
	x2=p-q;
	printf("x1=%7.2f\nx2=%7.2f",x1,x2);}
	return 0;
}

运行结果如下:
在这里插入图片描述
在这里插入图片描述

例4.2 输入两个实数,由小到大顺序输出

# include <stdio.h>
int main()
{
	float a,b,c;
	scanf("%f%f",&a,&b);
	if(a>b)
	{c=a;
	    a=b;
		b=c;}
	printf("%5.2f,%5.2f\n",a,b);
		return 0;

}

运行结果如下:
在这里插入图片描述

例4.4 输入一个字符,判别它是否为大写字母,如果是,将它转换成小写字母,不是则不换。

# include <stdio.h>
int main()
{
	char a,b;
	scanf("%c",&a);
    a=(a>='A'&& a<='Z')?a+32:a;
	printf("%c",a);
	return 0;

}

运行结果如下:
在这里插入图片描述在这里插入图片描述

例4.5 当x>0时y=1,当x<0时y=-1,当x=0时y=0;

# include <stdio.h>
int main()
{
	int x,y;
	scanf("%d",&x);
	if(x>0)
	{	y=1;
	printf("y=%d",y);}
	else
		if(x<0)
		{	y=-1;
		printf("y=%d",y);}
		else
		{	y=0;
		printf("y=%d\n",y);}
	return 0;
}

运行结果如下:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

例4.6 要求按照考试成绩的等级输出百分制分数段,A等为85分以上,B等为70~84分,C等为60—69,D等为60分以下。

# include <stdio.h>
int main()
{
	char grade;
	scanf("%c",&grade);
	printf("Your score:");
	switch(grade)
	{
	case 'A': printf("85~100\n");break;
	case 'B': printf("70~84\n"); break;
	case 'C': printf("60~69\n"); break;
	case 'D': printf("<60\n"); break;
	default:printf("enter data error!\n");
	}
	return 0;
}

运行结果如下:
在这里插入图片描述

例 4.7 从键盘输入一个’A’或’a’字符,就会执行A操作,输入一个’B’或’b’字符就会执行B操作。

# include <stdio.h>
int main()
{
	void action1(int x,int y),action2(int x,int y);
	char ch;
	int a=15,b=23;
	ch=getchar();
	switch(ch)
	{
	case 'A':
	case 'a':action1(a,b);break;
	case 'B':
	case 'b':action2(a,b);break;
	default:putchar('\a');
	}
return 0;
}
void action1(int x,int y)
{
	printf("x+y=%d\n",x+y);
}
void action2(int x,int y)
{
	printf("x*y=%d\n",x*y);
}

运行结果如下:
在这里插入图片描述
在这里插入图片描述

例4.8 判断某一年是否为闰年

# include <stdio.h>
int main()
{
	int year,leap;
	scanf("%d",&year);
	if(year%4==0)
	{	if(year%100==0)
	{if(year%400==0)
				leap=1;
			else
				leap=0;}
		else
			leap=1;
	}
	else
		leap=0;
	if(leap==1)
		printf("%d is a leap year",year);
	if(leap==0)
		printf("%d is not a leap year",year);
	return 0;
}

运行结果如下:
在这里插入图片描述
在这里插入图片描述

例4.9 求方程axx+b*x+c=0的解。

# include <stdio.h>
# include <math.h>
int main()
{
	double a,b,c,disc,realpart,imagpart,x1,x2;
	scanf("%lf%lf%lf",&a,&b,&c);
	if(a==0)
		printf("该方程不是二次方程");
	else
	{	disc=b*b-4*a*c;
	if(disc==0)
		printf("has two eaual roots:%8.4f\n",-b/(2*a));
	else
	{	if(disc<0)
	{realpart=-b/(2*a);
	imagpart=sqrt(-disc)/(2*a);
	printf("has comples roots:\n");
	printf("%8.4f+%8.4fi\n",realpart);
	printf("%8.4f-%8.4fi\n",imagpart);}
	     else
		 {	x1=(-b+sqrt(disc))/(2*a);
		 x2=(-b-sqrt(disc))/(2*a);
		 printf("has distinct real roots:%8.4f and %8.4f\n",x1,x2);}
	}
	}
	return 0; 
}

运行结果如下:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

例4.10 运输公司对用户计算运输费用。

# include <stdio.h>
int main()
{
	int c,s;
	float p,w,d,f;
	printf("please enter price,weight,discount:");
	scanf("%f%f%d",&p,&w,&s);
	if(s>=3000)c=12;
	else c=s/250;
	switch(c)
	{
	case 0:d=0;break;
	case 1:d=2;break;
	case 2:
	case 3:d=5;break;
	case 4:
	case 5:
	case 6:
	case 7:d=8;break;
	case 8:
	case 9:
	case 10:
	case 11:d=10;break;
	case 12:d=15;break;
	}
	f=p*w*s*(1-d/100);
	printf("freight=%10.2f\n",f);
	return 0;
}

运行结果如下:
在这里插入图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征,并利用这些特征进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈,将置信度分数小于阈的直接过滤掉 将剩下框的置信度分数从大到小排序,选中最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈(一般为0.7),就将框删除(超过设定阈,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均平均精度,是评估目标检测模型效果的最重要指标,这个介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈(Confidence Threshold)和IoU阈(一般设置为0.5,也会衡量0.75以及0.9的mAP): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比 Recall表示TP与真实边界框数量的比 改变不同的置信度阈,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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