noip2015运输计划

本文介绍了一种结合二分搜索、最近公共祖先(LCA)查找及差分前缀和的算法实现。该算法主要用于解决特定类型的图论问题,涉及树形结构中路径距离的计算与分析。通过递归深度优先搜索确定节点间的最短路径,并利用二分搜索优化查询过程。
二分+LCA+查分前缀和
  1 #include<iostream>
  2 #include<cstring>
  3 #include<cstdio>
  4 #include<algorithm>
  5 using namespace std;
  6 int read()
  7 {
  8     int x=0,f=1;char ch;ch=getchar();
  9     while(ch<'0'||ch>'9'){if(ch=='-')f=-1;ch=getchar();} 
 10     while(ch>='0'&&ch<='9'){x=x*10+ch-'0';ch=getchar();} 
 11     return x*f;
 12 }
 13 struct data{int to,next,v,from;}e[600001];
 14 struct data2{int to,next,from,num;}as[600001];
 15 int lca[300001],dis[300001];
 16 int head[300001],head2[300001],cnt;
 17 void add(int u,int v,int w){e[cnt].from=u,e[cnt].to=v,e[cnt].next=head[u],e[cnt].v=w,head[u]=cnt;cnt++;}
 18 void add2(int u,int v,int nu){as[cnt].to=v,as[cnt].next=head2[u],as[cnt].from=u,as[cnt].num=nu,head2[u]=cnt,cnt++;}
 19 int n,m,l=0,r=0;
 20 int d[300001];
 21 bool vis[300001];
 22 int fa[300001];
 23 int p[300001];
 24 int s[300001],t1[300001];
 25 int find(int x){return x==fa[x]?fa[x]:fa[x]=find(fa[x]);}
 26 int maxn=0,maxj=0;
 27 void dfs(int now,int d)
 28 {
 29     dis[now]=d;
 30     vis[now]=1;
 31     for(int i=head[now];i>=0;i=e[i].next) if(!vis[e[i].to]) dfs(e[i].to,d+e[i].v);
 32 }
 33 void Lca(int now)
 34 {
 35     vis[now]=1;
 36     for(int i=head[now];i>=0;i=e[i].next)
 37         if(!vis[e[i].to])
 38         {
 39             Lca(e[i].to);fa[find(e[i].to)]=find(now);
 40         }
 41     for(int i=head2[now];i>=0;i=as[i].next)
 42     {
 43         if(vis[as[i].to])
 44         {
 45             lca[as[i].num]=find(as[i].to);
 46             //cout<<dis[as[i].from]<<' '<<dis[as[i].to]<<' '<<2*dis[lca[as[i].num]]<<endl;
 47             d[as[i].num]=abs(dis[as[i].from]+dis[as[i].to]-2*dis[lca[as[i].num]]);
 48             r=max(r,d[as[i].num]);
 49         }
 50     }
 51 }
 52 int work(int now,int t,int from)
 53 {
 54     int sum=p[now];
 55     for(int i=head[now];i>=0;i=e[i].next)
 56         if(e[i].to!=from) sum+=work(e[i].to,t,e[i].from);
 57     if(sum==t)maxj=max(maxj,dis[now]-dis[from]);
 58     return sum;
 59 }
 60 bool check(int mid,int t)
 61 {
 62     work(1,t,0);
 63     if(maxn-maxj<=mid) return 1;
 64     else return 0;
 65 }
 66 int main()
 67 {
 68     memset(head,-1,sizeof(head));
 69     memset(head2,-1,sizeof(head2));
 70     n=read(),m=read();
 71     for(int i=1;i<=n;i++) fa[i]=i;
 72     for(int i=1;i<n;i++)
 73     {
 74         int u,v,w;
 75         u=read(),v=read(),w=read();
 76         add(u,v,w);
 77         add(v,u,w);
 78     }
 79     cnt=0;
 80     for(int i=1;i<=m;i++)
 81     {
 82         s[i]=read(),t1[i]=read();
 83         add2(s[i],t1[i],i);
 84         add2(t1[i],s[i],i);
 85     }
 86     dfs(1,0);
 87     memset(vis,0,sizeof(vis));
 88     Lca(1);
 89     //for(int i=1;i<=n;i++) cout<<dis[i]<<endl;
 90     //for(int i=1;i<=m;i++) cout<<d[i]<<endl;
 91     while(l<=r)
 92     {
 93         int t=0;
 94         int mid=(l+r)>>1;
 95         maxj=0;
 96         memset(p,0,sizeof(p));
 97         for(int i=1;i<=m;i++)
 98         {
 99             if(d[i]>mid){maxn=max(maxn,d[i]);t++;p[s[i]]++,p[t1[i]]++,p[lca[i]]-=2;}
100         }
101         if(check(mid,t)) r=mid-1;
102         else l=mid+1;
103     }
104     cout<<l;
105     return 0;
106 }
View Code

 

转载于:https://www.cnblogs.com/wls001/p/5911096.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