hdoj 1241 dfs1

#include<stdio.h>
#include<iostream>
#include<cstring>
using namespace std;
int m,n;
char a[110][100];
bool vis[110][110];
void  dfs(int , int );
int main()
{
    int ans=0;
    while(~scanf("%d%d",&m,&n),m&&n)
    {
        memset(vis,0,sizeof(vis));
        ans=0;
        for(int i=0; i<m; i++)
        scanf("%s",a[i]);
        for(int i=0;i<m; i++)
            for(int j=0; j<n; j++)
        {
            if(vis[i][j]==0 && a[i][j]=='@' )
            {   ans++;  dfs(i,j);  }


        }
        cout<<ans<<endl;
    }
    return 0;
}


void dfs(int i, int j)
{
    if( i<0||j<0||i>=m||j>=n)
        return ;
    if( a[i][j]=='*' || vis[i][j]==1)
        return ;
    vis[i][j]=1;
    for(int k=0; k<=1; k++)
        for(int l=0; l<=1; l++)
    {


        if(l!=0|| k!=0)
            dfs(i+k,j+l);
    }
}







内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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