详细图解二叉树四种遍历(前序中序后序层次遍历)

article/2025/9/22 6:56:54

文章目录

  • 一.前序遍历
    • 常规操作
    • 简单方法
  • 二.中序遍历
    • 常规操作
    • 简单方法
  • 三.后序遍历
    • 常规操作
  • 四.层次遍历
    • 常规操作

本文中以此二叉树为例
在这里插入图片描述

一.前序遍历

常规操作

先根,再左,再右
在这里插入图片描述

确定了遍历整体结构:
在这里插入图片描述

在这里插入图片描述

确定了左子树中的整体结构
在这里插入图片描述

继续操作:

在这里插入图片描述

到此左子树中的遍历已经完成
在这里插入图片描述

在这里插入图片描述

确定右子树中的整体结构
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

前序结束
结果为:A B D F E C G I J H K
在这里插入图片描述

简单方法

从根结点出发向左开始绕二叉树一圈,经过的节点顺序即为先序遍历顺序
在这里插入图片描述
结果为:A B D F E C G I J H K

二.中序遍历

常规操作

先左,再根,再右
在这里插入图片描述

由此可确定根A在中间,下面分别确定左右子树中的顺序
在这里插入图片描述

左子树中:

在这里插入图片描述

由此确定了左子树中的顺序
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

右子树中:
对右子树进行整体划分
在这里插入图片描述
由此可以确定:
在这里插入图片描述
继续:
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

中序遍历结束
结果为:F D B E A I G J C H K

简单方法

以该二叉树为例
在这里插入图片描述

结果为:F D B E A I G J C H K

三.后序遍历

常规操作

先左,再右,再根

在这里插入图片描述

将整体结构化分出来,后序遍历时根节点永远在最后一位

在这里插入图片描述

在这里插入图片描述

继续对左子树的结构进行划分

在这里插入图片描述

在这里插入图片描述

自此,左子树中遍历结束

在这里插入图片描述

在这里插入图片描述

划分右子树结构

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
后序遍历结束

结果为:F D E B I J G K H C A

四.层次遍历

常规操作

将二叉树每一行作为一个整体,从上到下输出,每行按照从左到右的顺序输出
在这里插入图片描述
第一行:A
第二行:B C
第三行:D E G H
第四行:F I J K
结果为:A B C D E G H F I J K


http://chatgpt.dhexx.cn/article/OsROErVu.shtml

相关文章

FPN细节剖析以及pytorch代码实现

目录 FPN(feature pyramid network) 网络结构 bottleneck pytorch代码实现 公式:卷积层输入输出大小的计算公式 细节一:代码中blocks参数的含义 细节二:c1 c2 c3 c4 c5层尺寸分别为原图的1/2 1/4 1/8 1/16 1/32…

目标检测之FPN、AugFPN、NAS-FPN

针对小目标的检测有提升的文章。 未完待续~ Feature Pyramid Networks for Object Detection FPN是一种多尺度的目标检测算法。大多数目标检测算法都是采用顶层特征来做预测的,但是我们知道:低层的特征语义信息较少,但是位置信息丰富&#x…

FPN网络和RPN网络介绍

原文链接 神经网络特征提取过程中,一般底层特征具有良好的空间信息,高层的具有良好的语义信息。原来多数的object detection算法都是只采用顶层特征做预测,但我们知道低层的特征语义信息比较少,但是目标位置准确;高层…

Neck网络 FPN + PAN 改进解读

呃 这篇文章的目的在于补充一些知识以便于理解Neck部分的网络 特征提取网络 与 目标检测之间的关系 一个特征提取网络,假设有1000层,开始的特征图包含的细节信息就很多,而随着网络的加深,特征提取网络经过多次被卷积和池化操作&…

FPN论文笔记

FPN论文笔记 现在看FPN和Inception并行结构融合有点像,FPN上采样同时横向连接相加,Inception是堆叠几个感受野不同的feature,融合的思想有点相似。 FPN是什么? Feature Pyramid Networks,用于特征抽取(feature extr…

FPN算法一览

FPN应该是2017年CV顶会的优秀论文,基于目标检测做的研究,在小物体检测方面较为具有吸引力。 1.FPN 源论文:feature pyramid networks for object detection 参考代码:FPN 同时利用低层特征高分辨率和高层特征的高语义信息&…

目标检测中的各种FPN

早期的目标检测算法,无论是一步式的,还是两步式的,通常都是在Backbone的最后一个stage(特征图分辨率相同的所有卷积层归类为一个stage)最后一层的特征图,直接外接检测头做目标检测。此种目标检测算法&#…

FPN(在FasterRCNN里面是如何运用的)

FPN(Feature Pyramid Networks) FPN解决了什么问题? 答:FPN的提出是为了实现更好的feature maps融合,一般的网络都是直接使用最后一层的feature maps,虽然最后一层的feature maps 语义强,但是位置和分辨率都比较低&…

深度学习之FPN+PAN

一、FPN 检测不同尺度的物体具有挑战性,尤其是对于小物体,我们可以使用不同尺度的同一图像的金字塔来检测物体(下左图)但是,处理多尺度图像非常耗时并且内存需求太高而无法同时进行端到端训练,因此创建了一…

FPN全解-最全最详细

这篇论文是CVPR2017年的文章,采用特征金字塔做目标检测,有许多亮点,特来分享。 论文:feature pyramid networks for object detection 论文链接:https://arxiv.org/abs/1612.03144 论文概述: 作者提出的…

FPN和PAN的内容及区别

FPN和PAN都是用于解决在目标检测中特征金字塔网络(FPN)在多尺度检测任务上的不足的方法。下面分别详细介绍一下它们的原理和区别。 FPN FPN全称Feature Pyramid Network,是由FAIR在2017年提出的一种处理多尺度问题的方法。FPN的主要思路是通过构建金字塔式的特征图…

深度学习之FPN和PAN

注:借鉴整理,仅供自学,侵删 FPN是自顶向下,将高层的强语义特征传递下来,对整个金字塔进行增强,不过只增强了语义信息,对定位信息没有传递。PAN就是针对这一点,在FPN的后面添加一个自…

FPN网络介绍

目录 前言一.FPN网络二.网络创新点 前言 上一篇博文我们介绍了FCN结构,这篇博文我们来简答的介绍下FPN网络,FPN (Feature Pyramid Network) 是一种用于图像语义分割、物体检测等任务的神经网络结构。是针对目标检测提出的结构。 一.FPN网络 先来看下FP…

FPN+PAN结构,SPP结构

一、FPNPAN FPN 高维度向低维度传递语义信息(大目标更明确) PAN 低维度向高维度再传递一次语义信息(小目标也更明确) 二、SPP 深层的feature map携带有更强的语义特征,较弱的定位信息。而浅层的feature map携带有…

FPN+PAN结构学习

yolo4的neck结构采用该模式,我们将Neck部分用立体图画出来,更直观的看下两部分之间是如何通过FPN结构融合的。 如图所示,FPN是自顶向下的,将高层特征通过上采样和低层特征做融合得到进行预测的特征图。Neck部分的立体图像&#xf…

FPN网络理解

1.什么是FPN fpn设计动机:1.高层特征向低层特征融合,增加低层特征表达能力,提升性能 2.不同尺度的目标可以分配到不同层预测,达到分而治之。 fpn设计细节:1*1的卷积是让最左侧的三个特征图的通道保持一致,从…

FPN详述

简介 为了使用更多的语义信息,目标检测模型一般在卷积神经网络最后一层的特征图上进行后续操作(随着不断地下采样,语义信息更丰富,空间信息更稀少),而这一层对应的下采样率一般是比较大的,如16…

FPN与Unet的异同

来源:目标检测的FPN和Unet有差别吗? - 知乎 (zhihu.com) 作者:CW不要無聊的風格 链接:https://www.zhihu.com/question/351279839/answer/1598104355 来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业…

FPN以及其他结构FPN——Bi-FPN重点(仅供自己学习使用)

FPN FPN特征金字塔结构。 由于目标检测中对小物体检测很困难,因为卷积过程中,大物体的像素点多,小物体的像素点少,随着卷积的深入,大物体的特征容易被保留,小物体的特征越往后越容易被忽略。所以产生了FPN结…

FPN(Feature Pyramid Networks)详解

图像金字塔结构 图a 图a是在传统的图像处理当中是比较常见的一个方法。针对我们要检测不同尺度的目标时,会将图片缩放成不同的尺度,然后将每个尺度的图片依次通过我们的算法进行预测。 优点是它创建的多尺度特征的所有层次都包含很强的语义特征&#xf…