PAT 1050.螺旋矩阵(25)

本文介绍了一个使用C++实现的算法,该算法将一维数组按降序排列后以螺旋状填充到二维数组中。首先读取输入的整数数量和具体数值,然后对这些数值进行排序,接着按照特定的螺旋顺序将它们填入一个矩阵。
#include <stdio.h>  
#include <iostream>  
#include <vector>  
#include <algorithm>  
#include<string>
#include<string.h>
#include<cmath>
using namespace std;

bool cmd(int a, int b)
{
	return a > b;
}

int a[100000000], num[10000][10000];

int main()
{
	int n;
	cin >> n;
	for (int i = 0; i < n; i++)
	{
		cin >> a[i];
	}
	sort(a, a + n, cmd);
	int minm = n, minn = 1;
	for (int i = n; i >= 1; i--)
	{
		if (n%i == 0)
		{
			if (i >= n / i)
			{
				if (i - n / i < minm - minn)
				{
					minm = i;
					minn = n / i;
				}
			}
		}
	}
	int rightz = 0, righty = minn, z = 0, downs = 1, downx = minm, leftz = 0, lefty = minn - 2, upx = minm - 2, ups = 1;
	int right = 0, left = minm - 1, up = 0, down = minn - 1;
	while (z != n)
	{
		for (int i = rightz; i < righty; i++)
		{
			if (z == n) break;
			num[right][i] = a[z++];
		}
		right++; rightz++; righty--;
		for (int i = downs; i < downx; i++)
		{
			if (z == n) break;
			num[i][down] = a[z++];
		}
		down--; downs++; downx--;
		for (int i = lefty; i >= leftz; i--)
		{
			if (z == n) break;
			num[left][i] = a[z++];
		}
		left--; lefty--; leftz++;
		for (int i = upx; i >= ups; i--)
		{
			if (z == n) break;
			num[i][up] = a[z++];
		}
		up++; upx--; ups++;
	}
	for (int i = 0; i < minm; i++)
	{
		for (int j = 0; j < minn; j++)
		{
			cout << num[i][j];
			if (j != minn - 1) cout << " ";
		}
		if (i != minm - 1) cout << endl;
	}
}


一、基础信息 数据集名称:Bottle Fin实例分割数据集 图片数量: 训练集:4418张图片 验证集:1104张图片 总计:5522张图片 分类类别: - 类别0: 数字0 - 类别1: 数字1 - 类别2: 数字2 - 类别3: 数字3 - 类别4: 数字4 - 类别5: 数字5 - 类别6: Bottle Fin 标注格式:YOLO格式,包含多边形坐标,适用于实例分割任务。 数据格式:图片格式常见如JPEG或PNG,具体未指定。 二、适用场景 实例分割AI模型开发:数据集支持实例分割任务,帮助构建能够精确识别和分割图像中多个对象的AI模型,适用于对象检测和分割应用。 工业自动化与质量控制:可能应用于制造、物流或零售领域,用于自动化检测和分类物体,提升生产效率。 计算机视觉研究:支持实例分割算法的学术研究,促进目标检测和分割技术的创新。 教育与实践培训:可用于高校或培训机构的计算机视觉课程,作为实例分割任务的实践资源,帮助学生理解多类别分割。 三、数据集优势 多类别设计:包含7个不同类别,涵盖数字和Bottle Fin对象,增强模型对多样对象的识别和分割能力。 高质量标注:标注采用YOLO格式的多边形坐标,确保分割边界的精确性,提升模型训练效果。 数据规模适中:拥有超过5500张图片,提供充足的样本用于模型训练和验证,支持稳健的AI开发。 即插即用兼容性:标注格式直接兼容主流深度学习框架(如YOLO),便于快速集成到各种实例分割项目中。
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