2016 chinafinal总结

第一年的acm比赛算是结束了,想起来去年还是因为有两个学长太强了,误以为我校是acm强校,学长毕业后才发现我校是弱校一枚,icpc银奖队都拿不出来,,,,不过感觉这一年还是蛮幸运的,毕竟弱校压力小的多,我今年才有那么多机会。总的来说第一年acm,一场ccpc,一场icpc,两场总决赛,两银一铜一铁,还是不亏的。

上海大学真的挺有经验的,300支队伍没出什么情况(虽然我去的比赛我感觉都还好), 去知乎都没看到有骂上海大学的(虽然我去吐槽了一下厕所的问题)。

只做出来5题,就不说题解了,,,

讲道理,0基础在acm这条路上还是蛮艰难的,弱校还好,强校的话,出来比赛的机会少的多,弱校虽然没有很强的人交流,但是机会多,我今年大二就参加了4场,感觉我还是运气比较好的,刚进学校的时候就在做acm虽然不怎么强,但是在同级里面还算是不错的,然后找到了合适的队友,在队友的带领下才坚持了下来(我绝不说我弃坑了半年),看着学校里面有些队伍chinafinal过后都散了,要么都不怎么训练了,辛亏我在大一抓住了机会,

只要踏踏实实做题,基础题能做出来,只要现场发挥不时常,出现卡题的情况,区域赛拿铜还是比较稳的,chinafinal是拿银的好机会,区域赛能稳铜,chinafinal运气好就可以拿一个银,至于铜就更轻松了。不过毕竟是比赛,心态还是蛮重要的,学校比较远的话,还要适当注意好休息,acm这个平台一定要把握好机会。

  • 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