【剑指OFFER】二维数组中的查找

本文介绍了一种高效的二维数组查找方法,利用数组的有序特性,从左下角开始比较目标值,实现快速查找。

【剑指OFFER】二维数组的查找

题目描述:

在一个二维数组中(每个一维数组的长度相同),每一行都按照从左到右递增的顺序排序,每一列都按照从上到下递增的顺序排序。请完成一个函数,输入这样的一个二维数组和一个整数,判断数组中是否含有该整数。

题解:

首先自己做的时候,第一反应就是逐行查找,以下是自己第一次写的代码

public class Solution {
    public boolean Find(int target, int [][] array) {
        if (array == null) {
			return false;
		} else if (target < array[0][0]) {
			return false;
		} else {
			for (int i = 0; i < array.length; i++) {
				while (search(array[i], target)) {
					return true;
				}
			}
			return false;
		}
	}
	public static boolean search(int[] a, int target) {
		for (int i = 0; i < a.length; i++) {
			if (a[i] == target) {
				return true;			
			}else {
				continue;
			}
		}		
		return false;	
    }
}

但是感觉这种方法有点笨,而且并没有用到 每一列都是按照从上到下递增的顺序排序 这个条件。

然后在评论区看到一个大神的思路,受教了

矩阵是有序的,从左下角来看,向上数字递减,向右数字递增, 
因此从左下角开始查找,当要查找数字比左下角数字大时右移;
要查找数字比左下角数字小时,上移。

下面贴代码

public class Solution {
    public boolean Find(int target, int [][] array) {
        if(array == null) return false;
        int rowCount = array.length;
        int colCount = array[0].length;
        int i,j;
		for(i = rowCount-1,j = 0; i>=0 && j<colCount;){
            if(array[i][j] == target) return true;
            if(array[i][j] < target) {
                j++;
                continue;
            }
            if(array[i][j] > target){
                i--;
                continue;
            }          
        }
         return false;
    }
}
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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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