链表基本操作

#include <iostream>
using namespace std;

struct ListNode
{
	int mValue;
	ListNode * mNextNode;
};

void AddToTail(ListNode ** pHead, int value)
{
	ListNode * pNew = new ListNode();
	pNew->mValue = value;
	pNew->mNextNode = NULL;

	if (*pHead == NULL)
	{
		*pHead = pNew;
	}
	else
	{
		ListNode * pNode = *pHead;
		while (pNode->mNextNode != NULL)
			pNode = pNode->mNextNode;

		pNode->mNextNode = pNew;
	}
}

void PrintList(ListNode * head)
{
	ListNode * pNode = head;
	while (pNode)
	{
		cout << pNode->mValue<<" ";
		pNode = pNode->mNextNode;
	}
	cout << endl;
}

//代码非常好,命名,格式都非常美观
void RemoveNode(ListNode ** pHead, int value)
{
	if (pHead == NULL || *pHead == NULL)
		return;

	ListNode * pToBeDeleted = NULL; //这个命名,之前没任何相关的意识
	if ((*pHead)->mValue == value)
	{
		pToBeDeleted = *pHead;
		*pHead = (*pHead)->mNextNode;
	}
	else
	{
		ListNode * pNode = *pHead;
		while (pNode->mNextNode != NULL && pNode->mNextNode->mValue != value)
			pNode = pNode->mNextNode;

		if (pNode->mNextNode != NULL )
		{
			pToBeDeleted = pNode->mNextNode;
			pNode ->mNextNode = pNode->mNextNode->mNextNode;
		}

	}

	if (pToBeDeleted != NULL)
	{
		delete pToBeDeleted;
		pToBeDeleted = NULL;
	}
}
int main()
{
	ListNode *head = NULL;
	int i = 10;
	AddToTail(&head, i--);
	AddToTail(&head, i--);
	AddToTail(&head, i--);
	AddToTail(&head, i--);
	AddToTail(&head, i--);
	AddToTail(&head, i--);
	AddToTail(&head, i--);
	AddToTail(&head, i--);
	AddToTail(&head, i--);
	PrintList(head);

	RemoveNode(&head, 8);
	PrintList(head);

	RemoveNode(&head, 6);
	PrintList(head);

	RemoveNode(&head, 4);
	PrintList(head);

	RemoveNode(&head, 2);
	PrintList(head);
	return 0;
}

数据集介绍:多类别动物目标检测数据集 一、基础信息 数据集名称:多类别动物目标检测数据集 图片数量: - 训练集:6,860张图片 - 验证集:1,960张图片 - 测试集:980张图片 总计:9,800张含动态场景的动物图像 分类类别: Alpaca(羊驼)、Camel(骆驼)、Fox(狐狸)、Lion(狮子)、Mouse(鼠类)、Ostrich(鸵鸟)、Pig(猪)、Rabbit(兔子)、Rhinoceros(犀牛)、Shark(鲨鱼)、Sheep(绵羊)、Snake(蛇)、Whale(鲸鱼) 标注格式: YOLO格式标注,包含目标检测所需的归一化坐标及类别索引,适用于YOLOv5/v7/v8等系列模型训练。 数据特性: 覆盖航拍、地面视角等多种拍摄角度,包含动态行为捕捉及群体/单体目标场景。 二、适用场景 野生动物监测系统: 支持构建无人机/红外相机AI识别系统,用于自然保护区动物种群追踪与生态研究。 智慧农业管理: 适用于畜牧养殖场动物行为分析、数量统计及健康监测等自动化管理场景。 生物多样性研究: 为陆地/海洋生物分布研究提供标注数据支撑,助力濒危物种保护项目。 教育科研应用: 可作为计算机视觉课程实践素材,支持目标检测、迁移学习等AI教学实验。 三、数据集优势 跨物种覆盖全面: 包含13类陆生/水生动物,涵盖家畜、野生动物及濒危物种,支持复杂场景下的模型泛化训练。 动态场景丰富: 捕捉动物运动、群体互动等真实行为模式,提升模型对非静态目标的检测鲁棒性。 标注体系规范: 严格遵循YOLO标注标准,提供精确的边界框定位,支持即插即用的模型训练流程。 多场景适配性: 数据来源涵盖航拍影像、地面监控等多维度视角,适用于农业、生态保护、科研等跨领域应用。 类别平衡优化: 通过分层抽样保证各类别数据分布合理性,避免长尾效应影响模型性能。
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