luogu P2709 小B的询问

本文介绍了解决 luogu P2709 小B的询问问题的一种方法——莫队算法。通过维护每个数的出现次数,在区间内进行增删操作,并实时更新结果来解决区间查询问题。

二次联通门 : luogu P2709 小B的询问

 

 

 

 

/*
    luogu P2709 小B的询问

    莫队..

    维护每个数的出现次数

    每次更新时先减去出现次数的平方

    后加上 加or减 后的平方即可
    
*/
#include <algorithm>
#include <cstdio>
#include <cmath>

#define Max 500090

inline void read (int &now)
{
    now = 0;
    register char word = getchar ();
    while (word < '0' || word > '9')
        word = getchar ();
    while (word >= '0' && word <= '9')
    {
        now = now * 10 + word - '0';
        word = getchar ();
    }
}

int N, M, K;

int Result;

int number[Max];
int count[Max];
int K_Size;
int belong[Max];

struct Query_Data 
{
    int l, r;
    
    int Id;

    bool operator < (const Query_Data &now) const
    {
        if (belong[now.l] == belong[this->l])
            return this->r < now.r;
        return belong[this->l] < belong[now.l];
    }
};

Query_Data query[Max];

inline void Updata (int now, bool type)
{
    if (type)
    {
        Result -= count[number[now]] * count[number[now]];
        count[number[now]] ++;
        Result += count[number[now]] * count[number[now]];
    }
    else
    {
        Result -= count[number[now]] * count[number[now]]; 
        count[number[now]] --;
        Result += count[number[now]] * count[number[now]];
    }
}

int Answer[Max];

int main (int argc, char *argv[])
{
    read (N);
    read (M);
    read (K);
    K_Size = sqrt (N);
    for (int i = 1; i <= N; i ++)
    {
        belong[i] = (i + 1) / K_Size;
        read (number[i]);
    }
    for (int i = 1; i <= M; i ++)
    {
        read (query[i].l);
        read (query[i].r);
        query[i].Id = i;
    }
    std :: sort (query + 1, query + 1 + M);
    int l = 1, r = 0;
    for (int i = 1; i <= M; i ++)
    {
        while (l < query[i].l)
            Updata (l ++, false);
        while (l > query[i].l)
            Updata (-- l, true);
        while (r < query[i].r)
            Updata (++ r, true);
        while (r > query[i].r)
            Updata (r --, false);
        Answer[query[i].Id] = Result;
    }
    for (int i = 1; i <= M; i ++)
        printf ("%d\n", Answer[i]);
    return 0;
}

 

转载于:https://www.cnblogs.com/ZlycerQan/p/6947011.html

一、数据采集层:多源人脸数据获取 该层负责从不同设备 / 渠道采集人脸原始数据,为后续模型训练与识别提供基础样本,核心功能包括: 1. 多设备适配采集 实时摄像头采集: 调用计算机内置摄像头(或外接 USB 摄像头),通过OpenCV的VideoCapture接口实时捕获视频流,支持手动触发 “拍照”(按指定快捷键如Space)或自动定时采集(如每 2 秒采集 1 张),采集时自动框选人脸区域(通过Haar级联分类器初步定位),确保样本聚焦人脸。 支持采集参数配置:可设置采集分辨率(如 640×480、1280×720)、图像格式(JPG/PNG)、单用户采集数量(如默认采集 20 张,确保样本多样性),采集过程中实时显示 “已采集数量 / 目标数量”,避免样本不足。 本地图像 / 视频导入: 支持批量导入本地人脸图像文件(支持 JPG、PNG、BMP 格式),自动过滤非图像文件;导入视频文件(MP4、AVI 格式)时,可按 “固定帧间隔”(如每 10 帧提取 1 张图像)或 “手动选择帧” 提取人脸样本,适用于无实时摄像头场景。 数据集对接: 支持接入公开人脸数据集(如 LFW、ORL),通过预设脚本自动读取数据集目录结构(按 “用户 ID - 样本图像” 分类),快速构建训练样本库,无需手动采集,降低系统开发与测试成本。 2. 采集过程辅助功能 人脸有效性校验:采集时通过OpenCV的Haar级联分类器(或MTCNN轻量级模型)实时检测图像中是否包含人脸,若未检测到人脸(如遮挡、侧脸角度过大),则弹窗提示 “未识别到人脸,请调整姿态”,避免无效样本存入。 样本标签管理:采集时需为每个样本绑定 “用户标签”(如姓名、ID 号),支持手动输入标签或从 Excel 名单批量导入标签(按 “标签 - 采集数量” 对应),采集完成后自动按 “标签 - 序号” 命名文件(如 “张三
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