LintCode "Sliding Window Median" & "Data Stream Median"

本文介绍了一种使用双多集(multiset)数据结构实现的高效算法,用于求解滑动窗口内的中位数问题。通过维护两个有序多集(一个最大堆和一个最小堆),可以在O(log k)的时间复杂度内更新窗口内的中位数。

Besides heap, multiset<int> can also be used:

class Solution {
    void removeOnly1(multiset<int> &ms, int v)
    {
        auto pr = ms.equal_range(v);
        ms.erase(pr.first);
    }

    void remove(multiset<int> &lmax, multiset<int> &rmin, int v)
    {
        if(v <= *lmax.rbegin())
        {
            removeOnly1(lmax, v);
            if(lmax.size() < rmin.size())
            {
                int tmp = *rmin.begin();
                lmax.insert(tmp);
                removeOnly1(rmin, tmp);
            }
        }
        else if(v >= *rmin.begin())
        {
            removeOnly1(rmin, v);
            if((lmax.size() - rmin.size()) > 1)
            {
                int tmp = *lmax.rbegin();
                removeOnly1(lmax, tmp);
                rmin.insert(tmp);
            }
        }
    }

    void addin(multiset<int> &lmax, multiset<int> &rmin, int v)
    {
        if(lmax.empty())
        {
            lmax.insert(v);
            return;
        }
        int lmax_v = *lmax.rbegin();
        int size_l = lmax.size(), size_r = rmin.size();
        if(v <= lmax_v) // to add left
        {
            lmax.insert(v);
            if((size_l + 1 - size_r) > 1)
            {
                int tmp = *lmax.rbegin();
                rmin.insert(tmp);
                removeOnly1(lmax, tmp);
            }
        }
        else
        {
            rmin.insert(v);
            if((size_r  + 1)> size_l)
            {
                int tmp = *rmin.begin();
                removeOnly1(rmin, tmp);
                lmax.insert(tmp);
            }
        }
    }
public:
    /**
     * @param nums: A list of integers.
     * @return: The median of the element inside the window at each moving
     */
    vector<int> medianSlidingWindow(vector<int> &nums, int k) {
        vector<int> ret;

        multiset<int> lmax, rmin; // sizeof(lmax) - sizeof(rmin) -> [0,1]

        size_t n = nums.size();
        for(int i = 0; i < n; i ++)
        {
            if(i >= k)
            {
                remove(lmax, rmin, nums[i - k]);
            }

            //
            addin(lmax, rmin, nums[i]);
            //
            if(i >= k - 1)
            {
                ret.push_back(*lmax.rbegin());
            }
        }
        return ret;
    }
};
View Code

转载于:https://www.cnblogs.com/tonix/p/4882346.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 &ldquo;拍照&rdquo;(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&times;480、1280&times;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 &ldquo;已采集数量 / 目标数量&rdquo;,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 &ldquo;固定帧间隔&rdquo;(如每 10 帧提取 1 张图像)或 &ldquo;手动选择帧&rdquo; 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 &ldquo;用户 ID - 样本图像&rdquo; 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 &ldquo;未识别到人脸,请调整姿态&rdquo;,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 &ldquo;用户标签&rdquo;(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 &ldquo;标签 - 采集数量&rdquo; 对应),采集完成后自动按 &ldquo;标签 - 序号&rdquo; 命名文件(如 &ldquo;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