浙大ACM 2075 Ellipsoid Volume解题报告

本文提供了一种通过计算单位立方体内小立方体数量来估算椭球体体积的方法,解决了ZOJProblemSet-2075中的难题。通过逐个判断小立方体中心是否位于椭球体内,最终得出体积估算结果,满足误差限制。
ZOJ Problem Set - 2075
浙大 2075 Ellipsoid Volume
解题心得(原创 By Boss Dong ):
这道题如果想用椭球相交,然后逐一减去体积的话,先不说计算难度,时间复杂度就不可行。
但是,如果你注意到题目给了一个条件: |YouAns - Sample Answer|<= 0.002;估计就有解题思路了。
题外话,一定不要放过题目给的任何一个条件。
这样就好解决多了。我们把1*1*1的立方体看成100*100*100的小方格组成的。
然后逐个去判断小方格是否在n个椭球内(我做的判断条件是:小方格的中心是否在椭球内)。
这个就AC了。

解题代码:
#include <cmath>
#include<stdio.h>
#include <iostream>
using namespace std;
int n=0;
double arr[32][6]={0};
bool judge(double x,double y,double z)
{
    for(int i = 0; i < n; i++)
    {
        if((x-arr[i][0])*(x-arr[i][0])/(arr[i][3]*arr[i][3]) + (y-arr[i][1])*(y-arr[i][1])/(arr[i][4]*arr[i][4]) + (z-arr[i][2])*(z-arr[i][2])/(arr[i][5]*arr[i][5]) <= 1)
        {
            return true;
        }
    }
    return false;
}
int main()
{
    const double s=0.000001;
    double v=0;
    int i,j,k;
    while(scanf("%d",&n)!=EOF)
    {
        for(i = 0; i < n; i++)
        {
            for(j=0;j<6;j++)
                cin>>arr[i][j];
        }
        v=0;
        for(i=0;i<100;i++)
            for(j=0;j<100;j++)
                for(k=0;k<100;k++)
                {
                    if(judge(-0.5+i*0.01+0.005,-0.5+j*0.01+0.005,-0.5+k*0.01+0.005))
                    {
                        v+=s;
                    }
                }
        printf("%.3lf",v);
    }
    
    return 0;
} 



个人防护装备实例分割数据集 一、基础信息 • 数据集名称:个人防护装备实例分割数据集 • 图片数量: 训练集:4524张图片 • 训练集:4524张图片 • 分类类别: 手套(Gloves) 头盔(Helmet) 未戴手套(No-Gloves) 未戴头盔(No-Helmet) 未穿鞋(No-Shoes) 未穿背心(No-Vest) 鞋子(Shoes) 背心(Vest) • 手套(Gloves) • 头盔(Helmet) • 未戴手套(No-Gloves) • 未戴头盔(No-Helmet) • 未穿鞋(No-Shoes) • 未穿背心(No-Vest) • 鞋子(Shoes) • 背心(Vest) • 标注格式:YOLO格式,适用于实例分割任务,包含边界框或多边形坐标。 • 数据格式:图片数据,来源于监控或相关场景。 二、适用场景 • 工业安全监控系统开发:用于自动检测工人是否佩戴必要的个人防护装备,提升工作场所安全性,减少工伤风险。 • 智能安防应用:集成到监控系统中,实时分析视频流,识别PPE穿戴状态,辅助安全预警。 • 合规性自动化检查:在建筑、制造等行业,自动检查个人防护装备穿戴合规性,支持企业安全审计。 • 计算机视觉研究:支持实例分割、目标检测等算法在安全领域的创新研究,促进AI模型优化。 三、数据集优势 • 类别全面:覆盖8种常见个人防护装备及其缺失状态,提供丰富的检测场景,确保模型能处理各种实际情况。 • 标注精准:采用YOLO格式,每个实例都经过精细标注,边界框或多边形坐标准确,提升模型训练质量。 • 真实场景数据:数据来源于实际环境,增强模型在真实世界中的泛化能力和实用性。 • 兼容性强:YOLO格式便于与主流深度学习框架(如YOLO、PyTorch等)集成,支持快速部署和实验。
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