Jolene_x-CSDN博客

原创【LeetCode刷题笔记】动态规划合集

力扣动态规划刷题笔记合集，待更新

2022-07-19 10:24:53 249 1

原创【论文笔记】视频息肉分割VPS：Video Polyp Segmentation A Deep Learning Perspective

论文地址：VPS代码地址：GitHub - GewelsJI/VPS: Video Polyp Segmentation (VPS)数据集说明：VPS/DATA_PREPARATION.md at main · GewelsJI/VPS · GitHub贡献：效果：170fps视频息肉分割数据集：SUN-SEG-Easy DatasetVPS Baseline：PNS+ (baseline是指基线，表示比该方法性能还低的是不能接受的)VPS Benchmark针对：结肠息肉的多样性（.

2022-05-25 16:41:50 1628 1

原创【Leetcode刷题笔记】34. 在排序数组中查找元素的第一个和最后一个位置

34. 请添加图片描述题目描述给定一个按照升序排列的整数数组 nums，和一个目标值 target。找出给定目标值在数组中的开始位置和结束位置。如果数组中不存在目标值 target，返回 [-1, -1]。进阶：你可以设计并实现时间复杂度为 O(log n) 的算法解决此问题吗？输入输出输入：nums = [5,7,7,8,8,10], target = 8输出：[3,4]输入：nums = [5,7,7,8,8,10], target = 6输出：[-1,-1]题解利用两次

2022-05-17 16:11:34 182

原创【Leetcode刷题笔记】524. 通过删除字母匹配到字典里最长单词

524. 通过删除字母匹配到字典里最长单词题目描述给你一个字符串 s 和一个字符串数组 dictionary ，找出并返回 dictionary 中最长的字符串，该字符串可以通过删除 s 中的某些字符得到。如果答案不止一个，返回长度最长且字母序最小的字符串。如果答案不存在，则返回空字符串。输入输出输入：s = "abpcplea", dictionary = ["ale","apple","monkey","plea"]输出："apple"输入：s = "abpcplea", dicti

2022-05-17 14:51:46 350

原创【Leetcode刷题笔记】69. x的平方根

69. x 的平方根题目描述给你一个非负整数 x ，计算并返回 x 的算术平方根。由于返回类型是整数，结果只保留整数部分，小数部分将被舍去。注意：不允许使用任何内置指数函数和算符，例如 pow(x, 0.5) 或者 x ** 0.5输入输出输入：x = 8输出：2解释：8 的算术平方根是 2.82842..., 由于返回类型是整数，小数部分将被舍去。题解牛顿迭代法相当于求解f(x)=x2−af(x) = x^2 - af(x)=x2−a的正根用xnx_nxn的切

2022-05-17 14:31:30 259

原创【Leetcode刷题笔记】135. 分发糖果

135. 分发糖果题目描述n 个孩子站成一排。给你一个整数数组 ratings 表示每个孩子的评分。你需要按照以下要求，给这些孩子分发糖果：每个孩子至少分配到 1 个糖果。相邻两个孩子评分更高的孩子会获得更多的糖果。请你给每个孩子分发糖果，计算并返回需要准备的最少糖果数目。输入输出Input: ratings = [1,0,2]Output: 5//解释：可以分别给第一个、第二个、第三个孩子分发2、1、2Input: ratings = [1,2,2]Output: 4/

2022-05-17 13:51:50 312

原创【Leetcode刷题笔记】455. 分发饼干

455. 分发饼干题目描述假设你是一位很棒的家长，想要给你的孩子们一些小饼干。但是，每个孩子最多只能给一块饼干。对每个孩子 i，都有一个胃口值 g[i]，这是能让孩子们满足胃口的饼干的最小尺寸；并且每块饼干 j，都有一个尺寸 s[j] 。如果 s[j] >= g[i]，我们可以将这个饼干 j 分配给孩子 i ，这个孩子会得到满足。你的目标是尽可能满足越多数量的孩子，并输出这个最大数值。输入输出Input: [1,2], [1,2,3]Output: 2题解给当前剩余孩子里，饥饿度

2022-05-17 13:48:06 328

原创【论文笔记】视频实例分割 CVPR2021 Oral——VisTR：End-to-End Video Instance Segmentation with Transformers

视频实例分割video instance segmentation，在vos的基础上，对每个实例打标签实例分割是目标检测+语义分割，在图像中将目标检测出来，然后对目标的每个像素分配类别标签，能够对前景语义类别相同的不同实例进行区分·数据集：Youtube-VISVisTR：End-to-End Video Instance Segmentation with Transformers论文地址：https://arxiv.org/abs/2011.14503 CVPR2021代码地址：https

2022-05-15 16:54:11 3388 2

原创【论文笔记】FEELVOS: Fast End-to-End Embedding Learning for Video Object Segmentation

FEELVOS: Fast End-to-End Embedding Learning for Video Object Segmentation论文地址：1902.09513v2.pdf (arxiv.org) CVPR2019给定包含多帧数据以及第一帧的目标掩码，分割出这个目标在后续帧的像素级位置多物体分割，端到端，主要是参考思想，里面的很多处理都可以优化相邻两个帧是连续的，使得视频中的图像中“t时刻和t+1时刻两个帧同一位置的像素信息可能不完全相同，但t+1时刻(x+△x,y+△y)位置的

2022-05-13 16:52:59 525 1

随性记录