ZOJ Problem Set - 1078(Palindrom Numbers)

9 篇文章 0 订阅
5 篇文章 0 订阅

//这道题难度不大,用最简单的枚举就可以了。

//题目: http://acm.zju.edu.cn/onlinejudge/showProblem.do?problemId=78

#include<iostream>
#include<string>
using namespace std;
bool judge(int);
int m;
int b[1000000];
int a[15];
int main()
{
	int i, j, k, n,flag;
	while (cin >> m&&m!=0)
	{
		flag = 0;
		j = 0;
		for (i = 2; i <= 16; i++)
		{
			n = m;
			int x = 0;
			while (n != 0)
			{
				k = n%i;
				n = n / i;
				b[x] = k;
				x++;
			}
			if (judge(x))
			{	
				flag = 1;
				a[j] = i;
				j++;
			}
		}
		if (flag == 1)
		{
			cout << "Number " << m << " is palindrom in basis";
			for (i = 0; i < j; i++)
			{
				cout << " " << a[i];
			}
			cout << endl;
		}
		else cout << "Number " << m << " is not a palindrom" << endl;
	}
	return 0;
}
bool judge(int x)
{
	for (int i = 0; i < x; i++)
	{
		if (b[i] != b[x - 1 - i])return 0;
	}
	return 1;
}

  • 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