bzoj1206-[HNOI2005]虚拟内存

卡读的毒瘤题==

看懂之后用map模拟.或者线段树

#include<cstdio>
#include<iostream>
#include<cmath>
#include<cstring>
#include<algorithm>
#include<set>
#include<map>
using namespace std;
#define rep(i,l,r) for(register int i=(l);i<=(r);++i)
#define repdo(i,l,r) for(register int i=(l);i>=(r);--i)
#define il inline
typedef double db;
typedef long long ll;

//---------------------------------------
int n,m,ans;
struct tnd{int cnt,t;};
bool operator<(tnd l,tnd r){return l.cnt!=r.cnt?l.cnt<r.cnt:l.t<r.t;}
map<int,tnd> name;
map<tnd,int> cs;
int sz;
bool sol(int v,int t){
    if(name.find(v)!=name.end()){
        tnd tmp=name[v];
        cs.erase(tmp);
        tmp.cnt++;
        name[v]=tmp,cs[tmp]=v;
        return 1;
    }
    else if(sz<n){
        tnd tmp=(tnd){1,t};
        name[v]=tmp,cs[tmp]=v;
        ++sz;
        return 0;
    }
    else{
        int v0=cs.begin()->second;
        name.erase(v0),cs.erase(cs.begin());
        tnd tmp=(tnd){1,t};
        name[v]=tmp,cs[tmp]=v;
        return 0;
    }
}
int main(){
    ios::sync_with_stdio(0),cin.tie(0);
    cin>>n>>m;
    int a;
    rep(i,1,m){
        cin>>a;
        if(sol(a,i))++ans;
    }
    cout<<ans<<'\n';
    return 0;
}

转载于:https://www.cnblogs.com/ubospica/p/9871223.html

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
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