uva 297 - Quadtrees

// uva 297 - Quadtrees
// 题目链接: http://uva.onlinejudge.org/index.php?option=com_onlinejudge&Itemid=8&category=104&page=show_problem&problem=233
// 题目大意: 每附图分成32X32,将部分染上黑色,将两附图合并,求黑色总数
#include <cstdio>
#include <cstring>
#include <iostream>
using namespace std;
const int MAXM = 1500;
const int MAXN = MAXM * 2;
int n_case, ans;
int buf_pos;
char buf[MAXM];
int quadtree[MAXN];
void BuildTree(int);
void Init();
int GetPixels(int, int);
inline int FirstNode(int pos){
    return pos << 2 | 1;
}
inline int SecondNode(int pos){
    return pos << 2 | 2;
}
inline int ThirdNode(int pos){
    return pos << 2 | 3;
}
inline int FourthNode(int pos){
    return (pos << 2) + 4;
}
int main(){
    cin >> n_case;
    getchar();
    while (n_case--){
        Init();
        gets (buf);     
        buf_pos = 0;
        BuildTree(0);
        gets(buf);  
        buf_pos = 0;
        BuildTree(0);
        ans = GetPixels(0, 32 * 32);
        cout << "There are " << ans << " black pixels." << endl;
    }
    return 0;
}
void Init(){
    memset(quadtree, 0, sizeof (quadtree));
    ans = -1;
}
void BuildTree(int tree_node_pos){
    if(buf[buf_pos] == 'e'){
        buf_pos++;
        return;
    }
    if(buf[buf_pos] == 'f'){
        buf_pos++;
        quadtree[tree_node_pos] = 1;
        return;
    }
    buf_pos++;
    quadtree[tree_node_pos] = 2;
    BuildTree(FirstNode(tree_node_pos));
    BuildTree(SecondNode(tree_node_pos));
    BuildTree(ThirdNode(tree_node_pos));
    BuildTree(FourthNode(tree_node_pos));
}
int GetPixels(int tree_node_pos, int power){
    int pixels = quadtree[tree_node_pos];
    if(pixels == 0 || pixels == 1){
        return pixels * power;
    }
    else
        return  
               GetPixels (SecondNode(tree_node_pos), power >> 2)
             + GetPixels (ThirdNode(tree_node_pos), power >> 2)
             + GetPixels (FourthNode(tree_node_pos), power >> 2)
             + GetPixels (FirstNode(tree_node_pos), power >> 2);
}

  • 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&ldquo;在哪里?是什么?&rdquo;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