HDU 1075 What Are You Talking About(STLmap的应用)

大意:

给出几组英文和火星文的对应关系,翻译下面给出的句子。

思路:

翻译表现的是映射的关系,所以用map<string,string>来记录对应关系。

TIP:可能录入多出的空行导致PE。

#include <iostream>
#include <string.h>
#include <stdio.h>
#include <algorithm>
#include <map>
using namespace std;

map<string,string> word;
int main()
{
    string inp,b,a;
    char str[3005],s[3005];
    while(cin>>a)
    {
        if(a=="START") continue;
        if(a=="END") break;
        cin>>b;
        word[b]=a;
    }
    while(gets(str))
    {
         if(strcmp(str,"START")==0) break;
    }
    while(1)
    {
        gets(str);
        if(strcmp(str,"END")==0) break;
        int len=strlen(str);
        int cnt=0;
        for(int i=0; i<len; i++)
        {
            if(str[i]<='z'&&str[i]>='a')
            {
                s[cnt++]=str[i];
            }
            else
            {
                s[cnt]='\0';
                cnt=0;
                inp=s;
                if(word.find(inp)==word.end())
                    cout<<inp;
                else
                    cout<<word[inp];
                cout<<str[i];
            }
        }
        cout<<endl;
    }
    return 0;
}

内容概要:本文档《opencv高频面试题.docx》涵盖了OpenCV的基础概念、图像处理操作、特征提取与匹配、目标检测与机器学习、实际编程题、性能优化以及进阶问题。首先介绍了OpenCV作为开源计算机视觉库,支持图像/视频处理、目标检测、机器学习等领域,应用于安防、自动驾驶、医学影像、AR/VR等方面。接着详细讲述了图像的存储格式(如Mat类)、通道的概念及其转换方法。在图像处理部分,讲解了图像灰度化、二值化、边缘检测等技术。特征提取方面,对比了Harris和Shi-Tomasi角点检测算法,以及SIFT、SURF、ORB的特征提取原理和优缺点。目标检测部分介绍了Haar级联检测原理,并阐述了如何调用深度学习模型进行目标检测。文档还提供了几个实际编程题示例,如读取并显示图像、图像旋转、绘制矩形框并保存等。最后,探讨了性能优化的方法,如使用cv2.UMat(GPU加速)、减少循环等,以及相机标定、光流等进阶问题。 适合人群:对计算机视觉有一定兴趣,具备一定编程基础的学习者或从业者。 使用场景及目标:①帮助学习者掌握OpenCV的基本概念和技术;②为面试准备提供参考;③为实际项目开发提供技术指导。 阅读建议:由于内容涵盖广泛,建议读者根据自身需求有选择地深入学习相关章节,并结合实际编程练习加深理解。
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