Counting Special Sub-Cubes

dp[w][i][j][k]表示左上角坐标为(i,j,k)大小为w的cube的最大值

状态转移:dp[w+1][i][j][k]=max(dp[w][i+a][j+b][k+c]) a,b,c={0,1}


def specialSubCubes(n,a):
    cube=[[[0 for _ in range(n)] for _ in range(n)] for _ in range(n)]
    p=0
    for i in range(n):
        for j in range(n):
            for k in range(n):
                cube[i][j][k]=a[p]
                p+=1
                
    dp=[[[[0 for _ in range(n)] for _ in range(n)] for _ in range(n)] for _ in range(n)]
    dp[0]=cube
    res=[0]*n
    res[0]=a.count(1)
    for w in range(1,n):
        for i in range(n-w):
            for j in range(n-w):
                for k in range(n-w):
                    t=[dp[w-1][i][j][k], dp[w-1][i][j][k+1], dp[w-1][i][j+1][k], dp[w-1][i][j+1][k+1],
                       dp[w-1][i+1][j][k], dp[w-1][i+1][j][k+1], dp[w-1][i+1][j+1][k], dp[w-1][i+1][j+1][k+1]]
                    dp[w][i][j][k]=max(t)
                    if dp[w][i][j][k]==w+1: res[w]+=1
#    print(dp)               
    return res


if __name__ == '__main__':
    q = int(input())
    for q_itr in range(q):
        n = int(input())
        cube = list(map(int, input().rstrip().split()))
        result = specialSubCubes(n,cube)
        print(' '.join(list(map(str,result))))

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
boosting-crowd-counting-via-multifaceted-attention是一种通过多方面注意力提升人群计数的方法。该方法利用了多个方面的特征来准确估计人群数量。 在传统的人群计数方法中,往往只关注人群的整体特征,而忽略了不同区域的细节。然而,不同区域之间的人群密度可能存在差异,因此细致地分析这些区域是非常重要的。 该方法首先利用卷积神经网络(CNN)提取图像的特征。然后,通过引入多个注意力机制,分别关注图像的局部细节、稀疏区域和密集区域。 首先,该方法引入了局部注意力机制,通过对图像的局部区域进行加权来捕捉人群的局部特征。这使得网络能够更好地适应不同区域的密度变化。 其次,该方法采用了稀疏区域注意力机制,它能够识别图像中的稀疏区域并将更多的注意力放在这些区域上。这是因为稀疏区域往往是需要重点关注的区域,因为它们可能包含有人群密度的极端变化。 最后,该方法还引入了密集区域注意力机制,通过提取图像中人群密集的区域,并将更多的注意力放在这些区域上来准确估计人群数量。 综上所述,boosting-crowd-counting-via-multifaceted-attention是一种通过引入多个注意力机制来提高人群计数的方法。它能够从不同方面细致地分析图像,并利用局部、稀疏和密集区域的特征来准确估计人群数量。这个方法通过考虑人群分布的细节,提供了更精确的人群计数结果。
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