洛谷1345 奶牛的电信(最小割+网络流)

本文介绍了一种使用最小割算法解决匹配问题的方法。通过拆点和构建网络流图,可以将匹配问题转化为求最小割的问题。具体实现包括构建网络流图、进行网络流计算,最终输出最小割的大小。

传送门

【题目分析】

拿着这道题想着割点倒来倒去,结果再一看,woc,这不是最小割吗。。。。。。

首先拆点,将所有电脑拆成两个点,i->j+n这条边表示i号电脑与j号电脑之间有一条连边,每个点再从i+n连一条到i容量为1的边限制只能被匹配一次(即只能踩坏一次),根据这个建图以后,就相当于要求这个图的最小割。

然后用网络流跑一遍就行了。

【代码~】

#include<bits/stdc++.h>
using namespace std;
const int MAXN=1e3+10;
const int MAXM=2e4+10;
const int INF=0x3f3f3f3f;

int n,m,cnt,s,t;
int head[MAXN],cur[MAXN],depth[MAXN];
int nxt[MAXM],to[MAXM],w[MAXM];

int Read(){
	int i=0,f=1;
	char c;
	for(c=getchar();(c>'9'||c<'0')&&c!='-';c=getchar());
	if(c=='-')
	  f=-1,c=getchar();
	for(;c>='0'&&c<='9';c=getchar())
	  i=(i<<3)+(i<<1)+c-'0';
	return i*f;
}

void Add(int x,int y,int z){
	nxt[cnt]=head[x];
	head[x]=cnt;
	to[cnt]=y;
	w[cnt]=z;
	cnt++;
}

void add(int x,int y,int z){
	Add(x,y,z);
	Add(y,x,0);
}

bool bfs(){
	memset(depth,0,sizeof(depth));
	depth[s]=1;
	queue<int> q;
	q.push(s);
	while(!q.empty()){
		int u=q.front();
		q.pop();
		for(int i=head[u];i!=-1;i=nxt[i]){
			int v=to[i];
			if(depth[v]==0&&w[i]){
				depth[v]=depth[u]+1;
				q.push(v);
				if(v==t)
				  return true;
			}
		}
	}
	return false;
}

int dfs(int u,int flow){
	if(u==t)
	  return flow;
	for(int &i=cur[u];i!=-1;i=nxt[i]){
		int v=to[i];
		if(depth[v]==depth[u]+1&&w[i]){
			int di=dfs(v,min(w[i],flow));
			if(di>0){
				w[i]-=di;
				w[i^1]+=di;
				return di;
			}
		}
	}
	return 0;
}

int dinic(){
	int ans=0;
	while(bfs()){
		for(int i=1;i<=2*n;++i)
		  cur[i]=head[i];
		while(int d=dfs(s,INF))
		  ans+=d;
	}
	return ans;
}

int main(){
	memset(head,-1,sizeof(head));
	n=Read(),m=Read(),s=Read(),t=Read()+n;
	for(int i=1;i<=n;++i)
	  add(i+n,i,1);
	for(int i=1;i<=m;++i){
		int x=Read(),y=Read();
		add(x,y+n,INF);
		add(y,x+n,INF);
	}
	cout<<dinic()<<'\n';
	return 0;
}

 

转载于:https://www.cnblogs.com/Ishtar/p/10010738.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