问题 给定一个矩形框作为背景，在其中放置一个方块，可以将大矩形分割成若干个大小不等的矩形区域，放置的方块越多，分割方案也越多，如下图所示。 现在给出大矩形的坐标，以及若干方块的坐标（方块完全位于大矩形内部，且它们之间不相交，并且放置顺序固定），要求编程输出分割后最大的矩形区域坐标。 思路 首先分析放置一个矩形的分割情况，一个方块可以把背景分割成 4 个矩形区域，其中每个点可以横向或者纵向绘制线段，因此总共有 (2^4 = 16) 种分割方案。 在放置第二个矩形物体的时候，会出现两种情况，一种情况是落入前一步的小矩形内（下图左边），第二情况是破坏原来的分割方案（下图右边）。 对于第一种情况，置入的物体可以继续分割其所在的矩形，而第二种情况则直接淘汰掉，表现在树结构上...

现有项目需要处理大量的图片，这些图片有的保存在文件系统，有的放在对象存储，甚至还有一部分需要实时地从网上下载。在不同的条件下可能需要处理这些图片中的一部分或全部，比如需求 A A: 按文件系统 - 对象存储 - 网络的顺序依次处理，在这期间如果满足中止条件，则放弃后续图片。 对于这样的需求，我们可以给出下面的伪代码 // A is_stopped=false for image in file_system: is_stopped = check() if(is_stopped) { break } handle(image) for image in ossfs: is_stopped=check() if(is_stopped){ ...

人脸姿态估计指的是根据一幅2维的人脸图像，计算出这个人在实际3维空间中的面部朝向。问题的输入条件就是一张人脸图片，输出自然就是可以表示方位的三个旋转角度 (pitch, yaw, roll)，其中 pitch 表示俯仰角（关于x轴的旋转角度），yaw 表示偏航角（关于y轴的旋转角度），roll 表示翻滚角（关于z轴的旋转角度），分别如下面 3 图所示：(说句题外话，如果我们把下面图中的物体看作是一架向我们飞来的飞机，就可以理解为何这三个角要如此命名了) 算法的思路很简单，可以考虑这样一种场景，假设我们有一张标准的3d人脸模型，如果投影和输入图片的人脸大致重合，那么此时 3d 模型的方位就可以看作是图片中人脸在实际空间中的方位了。如果投影和图像的差异很大，那我们再对 3d 模型...

对数据进行归一化或者标准化是一种常用的数据预处理步骤，一般给出的解释是消除数据量纲差异对模型训练的影响，为了搞清楚会产生何种影响，我们尝试使用自造的数据集来一次模拟分析。 现在给一个3维空间中的平面 \[z(x, y) = 100 x + 20 y\] 在此平面附近随机生成样本集合 \(S = {(x_i, y_i, z_i)\mid i=1…n, 0\le x \le 10, 0 \le y \le 50}\)，然后利用这个样本集来做回归学习，将模型定义为 \[\hat{z}(x, y) = \theta_1 x + \theta_2 y\] 其中 \(\theta_1 , \theta_2\) 便是要训练的系数。 下面我们生成训练数据，方法是在上述平面上取点，并添加随机...

实现效果 关键函数 /** * Imgproc.java * @param src 原图 @param dst 目标图 @param kernel 膨胀参数 */ public static void dilate(Mat src, Mat dst, Mat kernel) 实现思路 分离出 alpha 通道； Core.split(img, channels); Mat alpha = channels.get(3); 应用 dilate 函数膨胀； Mat kernel = Mat.ones(thick, thick, CvType.CV_32S) dilate(alpha, alpha, kernel) 为原始图...