codevs 2147 数星星

天文爱好者的星星观测算法
本文介绍了一种用于帮助天文爱好者记录所观测星星的算法。通过处理大量的星星光数值,该算法能有效判断观测到的星星是否曾被观测过。
时间限制: 3 s
 空间限制: 64000 KB
 题目等级 : 钻石 Diamond
题目描述  Description

小明是一名天文爱好者,他喜欢晚上看星星。这天,他从淘宝上买下来了一个高级望远镜。他十分开心,于是他晚上去操场上看星星。

不同的星星发出不同的光,他的望远镜可以计算出观测到的星星发出的光的数值W。小明当然想尽可能地多看到星星,于是他每看到一颗星星,就要看看他之前有没有看过这颗星星。但是他看的星星太多了,他根本数不过来,于是他让你帮忙。

输入描述  Input Description

共有两行,第一行只有一个整数,为小明观测到的星星的数量n。第二行有n个整数,每两个整数由一个空格隔开,分别为小明观测到每颗星星的光的数值W[1]-W[n]。

输出描述  Output Description

只有一行,这一行共有n个数字0或1。0表示对应的星星之前没有观测到,1表示对应的星星之前已经看过了。注意:数字之间没有空格!

样例输入  Sample Input

5

1 5 5 4 1

样例输出  Sample Output
00101
数据范围及提示  Data Size & Hint

样例是往往是骗人的,本题中

30%的数据,0<n≤5000。

20%的数据,-20000≤W≤20000。

60%的数据,0<n≤50000。

100%的数据,0<n≤500000;-2000000000≤W≤2000000000。

哈希 点击传送

33分 WA+RE代码存档 (数组开小,没考虑负数)

#include <algorithm>
#include <iostream>
#include <cstring>
#include <cstdio>
#define mo 13831

using namespace std;

int tot,head[100001],n,i,w;
struct node
{
    int next,to;
}e[100001];
bool hash(int k)
{
    int h=0;
    while(k)
    {
        h=h*13+k;
        k/=10;
    }
    h=h%mo;
    for(i=head[h];i;i=e[i].next)
    {
        if(e[i].to==w)
        return true;
    }
    tot++;
    e[tot].next=head[h];
    e[tot].to=w;
    head[h]=tot;
    return false;
}
int main()
{
    cin>>n;
    while(n--)
    {
        cin>>w;
        if(hash(w))
        cout<<"1";
        else cout<<"0";
    }
}
/*
运行结果
测试点#1.in 结果:AC 内存使用量: 492kB 时间使用量: 13ms 
测试点#2.in 结果:AC 内存使用量: 364kB 时间使用量: 13ms 
测试点#3.in 结果:AC 内存使用量: 360kB 时间使用量: 13ms 
测试点#4.in 结果:RE 内存使用量: 876kB 时间使用量: 33ms 
测试点#5.in 结果:RE 内存使用量: 872kB 时间使用量: 61ms 
测试点#6.in 结果:WA 内存使用量: 1260kB 时间使用量: 142ms 
测试点#large.in 结果:RE 内存使用量: 872kB 时间使用量: 58ms 
测试点#large2.in 结果:RE 内存使用量: 360kB 时间使用量: 9ms 
测试点#large3.in 结果:RE 内存使用量: 616kB 时间使用量: 16ms 
*/
View Code

66分 RE代码 (数组开小)

#include <algorithm>
#include <iostream>
#include <cstring>
#include <cstdio>
#define mo 13831

using namespace std;

int tot,head[100001],n,i,w;
struct node
{
    int next,to;
}e[100001];
bool hash(int k)
{
    int h=0;
    while(k)
    {
        h=h*13+k;
        k/=10;
    }
    h=h%mo;
    if(h<0) h=h*(-1);
    h+=233;//应该随便加一个质数就好 。
    for(i=head[h];i;i=e[i].next)
    {
        if(e[i].to==w)
        return true;
    }
    tot++;
    e[tot].next=head[h];
    e[tot].to=w;
    head[h]=tot;
    return false;
}
int main()
{
    cin>>n;
    while(n--)
    {
        cin>>w;
        if(hash(w))
        cout<<"1";
        else cout<<"0";
    }
}
/*
运行结果
测试点#1.in 结果:AC 内存使用量: 364kB 时间使用量: 12ms 
测试点#2.in 结果:AC 内存使用量: 360kB 时间使用量: 11ms 
测试点#3.in 结果:AC 内存使用量: 364kB 时间使用量: 11ms 
测试点#4.in 结果:AC 内存使用量: 1004kB 时间使用量: 134ms 
测试点#5.in 结果:AC 内存使用量: 1132kB 时间使用量: 137ms 
测试点#6.in 结果:AC 内存使用量: 1260kB 时间使用量: 138ms 
测试点#large.in 结果:RE 内存使用量: 2412kB 时间使用量: 298ms 
测试点#large2.in 结果:RE 内存使用量: 2412kB 时间使用量: 299ms 
测试点#large3.in 结果:RE 内存使用量: 2284kB 时间使用量: 293ms 
*/
View Code

100分 哈希代码 就是太慢了 = =| 长度575B 时间5404ms

#include <algorithm>
#include <iostream>
#include <cstring>
#include <cstdio>
#define mo 13831

using namespace std;

int tot,head[1000001],n,i,w;
struct node
{
    int next,to;
}e[1000001];
bool hash(int k)
{
    int h=0;
    while(k)
    {
        h=h*13+k;
        k/=10;
    }
    h=h%mo;
    if(h<0) h=h*(-1);
    h+=233;
    for(i=head[h];i;i=e[i].next)
    {
        if(e[i].to==w)
        return true;
    }
    tot++;
    e[tot].next=head[h];
    e[tot].to=w;
    head[h]=tot;
    return false;
}
int main()
{
    cin>>n;
    while(n--)
    {
        cin>>w;
        if(hash(w))
        cout<<"1";
        else cout<<"0";
    }
}
View Code

100分 STL代码 更慢但简单了不只一点。。代码长度179B 时间 6559ms

#include <iostream>
#include <map>

using namespace std;
map<int,int>q;
int main()
{
    int n;
    cin>>n;
    int a;
    while(n--)
    {
        cin>>a;
        cout<<q[a];
        q[a]=1;
    }
}
View Code

 

转载于:https://www.cnblogs.com/ruojisun/p/6367008.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