uva 572 - Oil Deposits

// uva 572 - Oil Deposits
// 题目链接:http://uva.onlinejudge.org/index.php?option=com_onlinejudge&Itemid=8&category=105&page=show_problem&problem=513
// 八方向用广搜,求连通的块数
#include <cstdio>
#include <cstring>
#include <iostream>
#include <queue>
using namespace std;
int row, column;
int count;
char map[200][200];
int flag[200][200];
struct Node{
    int x, y;
};
queue<Node> que;
Node now_node;
bool inmap(Node node){
    return node.x >= 0 && node.x < row && node.y >= 0 && node.y < column;
}
int direct[8][2] = {{1, 0}, {0, 1}, {-1, 0}, {0, -1}, {1, 1}, {1, -1}, {-1, -1}, {-1, 1}};
void bfs();
int main(){
    while (scanf("%d %d", &row, &column), row || column){
        getchar();
        memset(map, 0, sizeof(map));
        memset(flag, 0, sizeof(flag));
        count = 0;
        for(int i = 0; i < row; i++) {
            gets(map[i]);
        }
        for(int i = 0; i < row; i++){
            for(int j = 0; j < column; j++){
                if(map[i][j] == '@' && !flag[i][j]){
                    flag[i][j] = ++count;
                    now_node.x = i;
                    now_node.y = j;
                    bfs();
                }
            }
        }
        cout << count << endl;
    }
    return 0;
}
void bfs(){
    que.push(now_node);
    Node tmp_node;
    while(que.size()){
        now_node = que.front();
        que.pop();
        for(int i = 0; i < 8; i++){
            tmp_node.x = now_node.x + direct[i][0];
            tmp_node.y = now_node.y + direct[i][1];
            if(inmap(tmp_node) && map[tmp_node.x][tmp_node.y] == '@' && !flag[tmp_node.x][tmp_node.y]){
                flag[tmp_node.x][tmp_node.y] = count;
                que.push(tmp_node);
            }
        }

    }
}


  • 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