Lemonade109

76. 最小覆盖子串 困难 239. 滑动窗口最大值 困难 438. 找到字符串中所有字母异位词 中等 76. 最小覆盖子串 解法1: 滑动窗口 时间复杂度: O(n) 空间复杂度：O(n) 239.

Leecode Hot100 刷题笔记本-字典树（C++版）Leecode Hot100 刷题笔记本-字典树（C++版）208. 实现 Trie (前缀树) 208. 实现 Trie (前缀树)

215. 数组中的第K个最大元素 中等 253. 会议室 II 中等 347. 前 K 个高频元素 中等 215. 数组中的第K个最大元素 解法1: 快速排序 解法2: 堆排序 我们也可以使用堆排序来

238. 除自身以外数组的乘积 中等 560. 和为 K 的子数组 中等 238. 除自身以外数组的乘积 解法1: 左右乘积列表 时间复杂度: O(N), 其中 N 指的是数组 nums 的大小。预处

581. 最短无序连续子数组 中等 581. 最短无序连续子数组 解法1: 排序 先检查数组是否已经是有序的，如果是有序的就返回0， 否则，复制一份原数组并对其进行排序。 然后，从左边开始找到第一个不

48. 旋转图像 中等 142. 环形链表 II 中等 48. 旋转图像 解法1: 原地旋转 借助temp来存储 两层for循环嵌套 时间复杂度:O(N2), 其中 N 是 matrix 的边长 空间

1. IOU和GIOU损失 边界框回归（Bounding Box Regression**）是物体检测中重要的一项任务，之前大部分的物体检测模型是直接对边界框的位置（中心点）和大小（宽和高）进行回归，

RCNN会从一张图片中找出n个可能是物体的矩形框，然后为每个矩形框为做类别分类概率: 就像上面的图片一样，定位一个车辆，最后算法就找出了一堆的方框，我们需要判别哪些矩形框是没用的。非极大值抑制的方法是

数据不足：数据增强（剪切，旋转，缩放，翻转等） 模型能力不足：用更好的 backbone 目标检测中的 NMS 算法也会导致漏检和误检，比如阈值设置不一定合理，导致过滤的边界框过多，导致漏检。可以采用