当前位置: 首页 > news >正文

3.24 OJ

矩形面积交

作者: Turbo

时间限制: 1s

章节: 基本练习

问题描述

平面上有两个矩形,它们的边平行于直角坐标系的X轴或Y轴。对于每个矩形,我们给出它的一对相对顶点的坐标,请你编程算出两个矩形的交的面积。

输入说明

输入仅包含两行,每行描述一个矩形。
在每行中,给出矩形的一对相对顶点的坐标,每个点的坐标都用两个绝对值不超过10^7的实数表示。

输出说明

输出仅包含一个实数,为交的面积,保留到小数后两位。

#include <bits/stdc++.h> using namespace std; int main() { double x1,y1,x2,y2; double a1,b1,a2,b2; cin >> x1 >> y1 >> x2 >> y2; cin >> a1 >> b1 >> a2 >> b2; // 规范矩形1 double l1 = min(x1, x2); double r1 = max(x1, x2); double b1_ = min(y1, y2); double t1 = max(y1, y2); // 规范矩形2 double l2 = min(a1, a2); double r2 = max(a1, a2); double b2_ = min(b1, b2); double t2 = max(b1, b2); // 交集宽高 double width = min(r1, r2) - max(l1, l2); double height = min(t1, t2) - max(b1_, b2_); // 防止负数 width = max(0.0, width); height = max(0.0, height); double area = width * height; cout << fixed << setprecision(2) << area; return 0; }

总结:就是找长度之间的交集 因为一定相交其实就两个情况一个是包含一个不包含 用max和min模拟两个逻辑

翻译:

Multimodallearning is an important research direction in artificial intelligence, aiming to enable models to process different types of data such as text, images, and speech simultaneously. In the real world, humans obtain information through multiple senses, so data from a singlemodalityoften cannot fully represent complex scenarios. Multimodal learning integrates information from differentmodalities, allowing models to gain a more comprehensive understanding. For example, in imagecaptioningtasks, a model must understand visual content and generate correspondingtextualdescriptions. With the advancement of deep learning technologies, multimodal models have achieved significant progress in areas such as visual question answering, cross-modal retrieval, and intelligent assistants.

多模态学习是人工智能的重要研究方向,旨在让模型能够同时处理文本、图像、语音等不同类型的数据。在现实世界中,人类通过多种感官获取信息,因此单一模态的数据往往无法完整表征复杂场景。多模态学习通过融合不同模态的信息,使模型获得更全面的认知。例如在图像描述生成任务中,模型既要理解视觉内容,又要生成对应的文字描述。随着深度学习技术的发展,多模态模型在视觉问答、跨模态检索、智能助手等领域取得了显著进展。

http://www.cnnetsun.cn/news/1466982.html

相关文章:

  • 终极PyTorch图像模型库完全指南:如何选择最适合你的视觉模型
  • 别再死磕公式了!用OpenCV+Python实战双目立体匹配(附视差图生成代码)
  • WAN2.2-14B-Rapid-AllInOne:革新视频生成范式,8GB显存实现专业级创作突破
  • 手把手教你为海光7380处理器搭配主板和内存:一份避坑配置清单
  • Selenium自动化进阶:用Python脚本自动检测Chrome版本并下载匹配的ChromeDriver
  • Cookie vs Token:前端登录方案选型实战指南(附JWT最佳实践)
  • RT-Thread浮点打印隐藏开关:3步开启rt_kprintf的%.2f输出功能
  • REST API的“性能天花板”已被击穿?MCP协议在万级并发下的内存占用仅为其1/5,真相来了
  • 手把手教你配置Win10虚拟机环境:驱动开发必备设置与常见错误修复
  • 5个步骤解决ROCm 6.4在Ubuntu 24.04上的软件源配置故障
  • AI检测率太高论文过不了?2026年这4个AI写作智能降重工具降AI率平台必须用!
  • 别再只用scatter了!用Matlab绘制密度散点图,让你的数据分布一目了然(附完整代码)
  • MT5 Zero-Shot在智能客服训练中的应用:对话样本扩增实战教程
  • MixFormer vs FairMOT:深度对比两种目标跟踪方案的性能与适用场景
  • Easy SMS消息模板系统详解:灵活应对不同业务场景
  • 【设计原则】里氏替换原则(LSP):构建稳健继承体系的黄金法则
  • Ostrakon-VL-8B一键部署教程:基于Ubuntu 20.04的快速环境搭建
  • 智能告警治理平台Keep:云原生时代的AIOps架构深度解析
  • zplug钩子功能完全指南:实现安装后和加载后的自动化操作
  • Vivado ChipScope调试技巧:如何高效解决DRC错误与警告
  • LeetCode 热题 100 之 21. 合并两个有序链表 2. 两数相加 19. 删除链表的倒数第 N 个结点 24. 两两交换链表中的节点 25. K 个一组翻转链表
  • N32WB452蓝牙实战:基于Keil与官方SDK构建自定义BLE服务框架
  • OFA-VE与Vue3前端整合:打造交互式视觉分析工作台
  • ClickHouse如何用流批一体架构重塑现代数据平台?
  • kb性能优化技巧:如何让你的知识库运行得更快更稳定
  • Unity游戏跨平台适配完整方案:实现微信小游戏高性能迁移与40%性能提升
  • Folo信息浏览器:用AI重构你的数字阅读体验
  • GitHub Pages完全指南:零基础5分钟搭建专业静态网站
  • Parsr性能优化指南:10个技巧让你的文档解析速度提升300%
  • AI 开发实战:把终端变成你的高频 AI 工作台