Главная / Программирование / Разработка мультимедийных приложений с использованием библиотек OpenCV и IPP

Разработка мультимедийных приложений с использованием библиотек OpenCV и IPP - ответы на тесты Интуит

Правильные ответы выделены зелёным цветом.
Все ответы: Курс предусматривает ознакомление с основными задачами, моделями и методами создания мультимедийных приложений с акцентом на задачи компьютерного зрения и машинного обучения.
Какие из перечисленных ниже задач относятся к задачам компьютерного зрения:
(1) задача сжатия изображений.
(2) задача помощи водителю по визуальным данным.
(3) задача идентификации человека по голосу.
Какие из следующих задач являются задачами обучения с учителем:
(1) восстановление регрессии
(2) классификация
(3) кластеризация
(4) понижение размерности
(5) прогнозирование временных рядов
Детектор Моравеца предназначен для выделения на изображении
(1) углов
(2) областей экстремума интенсивности
(3) ребер
В процессе поиска движущихся объектов в отличие от задачи определения областей движения необходимо построить траектории движения Что является решением задачи определения областей движения на видео?
(1) принципиальной разницы нет
(2) задача поиска движущихся объектов предполагает не просто определение области движения, но и вычисление положения движущихся объектов на последовательности кадров видеопотока
(3) в процессе поиска движущихся объектов в отличие от задачи определения областей движения необходимо построить траектории движения
Что нужно знать, чтобы для точки с известными трёхмерными координатами найти её координаты в пикселях на изображении?
(1) матрицу внутренних параметров камеры
(2) коэффициенты дисторсии
(3) матрицу внутренних параметров камеры и коэффициенты дисторсии
Можно ли использовать OpenCV в коммерческих приложениях?:
(1) нет
(2) да, если в документации или сопроводительных материалах содержится копия лицензии OpenCV
(3) да, если об этом никто не узнает
Что означает слово «бенчмарк» в контексте анализа и оптимизации производительности программ?
(1) алгоритм, обеспечивающий наилучшую производительность
(2) набор тестовых данных, на которых проводятся эксперименты
(3) программа для сбора и анализа результатов экспериментов
Интегральное изображение можно использовать для
(1) быстрого вычисления средней яркостей пикселей в прямоугольной области.
(2) быстрого нахождения минимального значения яркости в прямоугольной области.
(3) и то, и другое.
Метод k-ближайших соседей применяется для решения задач:
(1) только классификации
(2) только восстановления регрессии
(3) и классификации и восстановления регрессии
В каком из данных дескрипторов не используются значения градиентов интенсивности при описании ключевой точки:
(1) SIFT
(2) BRIEF
(3) SURF
Основное свойство аффинного преобразования?
(1) при аффинном преобразовании прямая переходит в прямую
(2) при аффинном преобразовании окружность переходит в окружность
(3) при аффинном преобразовании плоскость переходит в сферу
Изображения каких объектов связаны между собой преобразованием гомографии?
(1) любых
(2) текстурных
(3) плоских
Какой из циклов реализует подсчет производной по оси X с помощью оператора Собеля:
(1) Mat deriv(img.rows, img.cols, CV_16S); for( int i = 1; i < img.rows-1; i++) for( int j=0; j < img.cols-1; j++) deriv.at<short>(i,j)= img.at<uchar>(i+1,j-1)+img.at<uchar>(i+1,j)*2+img.at<uchar>(i+1,j+1) – img.at<uchar>(i-1,j-1)-img.at<uchar>(i-1,j)*2+img.at<uchar>(i-1,j+1);
(2) Mat deriv(img.rows, img.cols, CV_16S); for( int i = 1; i < img.rows-1; i++) for( int j=0; j < img.cols-1; j++) deriv.at<short>(i,j)= img.at<uchar>(i-1,j+1)+img.at<uchar>(i,j+1)*2+img.at<uchar>(i+1,j+1) – img.at<uchar>(i-1,j-1)-img.at<uchar>(i,j-1)*2+img.at<uchar>(i+1,j-1);
(3) Mat deriv(img.rows, img.cols, CV_16S); for( int i = 1; i < img.rows-1; i++) for( int j=0; j < img.cols-1; j++) deriv.at<short>(i,j)= img.at<uchar>(i-1,j)+img.at<uchar>(i,j-1)-img.at<uchar>(i,j)*4 + img.at<uchar>(i,j+1)+img.at<uchar>(i+1,j);
С какой целью производилось искусственное увеличение размера тестового изображения при сравнении производительности функций IPP и OpenCV:
(1) для получения приемлемого времени работы функций
(2) для повышения качества работы алгоритмов
(3) для понижения качества работы алгоритмов
Сколько четырех связанных компонент на приведенном ниже рисунке: files
(1) 1
(2) 3
(3) 4
Метод деревьев решений применяется для решения задач:
(1) только классификации
(2) только восстановления регрессии
(3) и классификации и восстановления регрессии
На рисунке изображены ключевые точки, вычисленные для оригинального и повернутого изображения filesДля какого детектора наиболее характерно такое поведение:
(1) детектор SIFT
(2) детектор Моравеца
(3) MSER
Выберите среди предложенного списка функций ошибки функцию кросс-корреляции.
(1) math
(2) math
(3) math
В чём заключается проблема PnP?
(1) определение позы объекта, если известны параметры камеры и соответствия между 3D точками объекта и 2D точками на изображении
(2) определение позы объекта, если известны параметры камеры, 3D точки объекта и 2D точки на изображении
(3) определение соответствий между 3D точками объекта и 2D точками на изображении, если известны параметры камеры и поза объекта
Окрестность угловая точка на изображении:
(1) image = cv2.resize(image, (image.shape[1]/4, image.shape[0]/4)) image = cv2.resize(image, (image.shape[1]*4, image.shape[0]*4))
(2) image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) image = cv2.cvtColor(image, cv2.COLOR_GRAY2BGR)
(3) image = cv2.GaussianBlur(image, (7, 7), 1.5)
Укажите основные области применения библиотеки Intel IPP:
(1) высокопроизводительные вычисления в задачах линейной алгебры
(2) кодирование/декодирование видео
(3) кодирование/декодирование аудио
Какой из приведенных ниже фильтров сделает изображение более размытым: files
(1) 1
(2) 2
Использование ядер в машине опорных векторов позволяет:
(1) разбивать пространство признаков на части и решать задачу классификации в каждой части независимо
(2) строить нелинейную разделяющую поверхность в исходном пространстве признаков
(3) задавать точки, через которые должна пройти разделяющая поверхность
Размерность итогового признакового описания изображения в алгоритмах классификации изображений, основанных на bag-of-words подходе, равна
(1) числу "слов" (например, числу кластеров в алгоритме k-means)
(2) размерности дескриптора
(3) числу ключевых точек на изображении
Какое преобразование определяется моделью x'(x,y;p)=\begin{bmatrix} a_{00} & a_{01} & a_{02} \\ a_{10} & a_{11} & a_{12} \end{bmatrix}\begin{bmatrix} x \\ y \\ 1 \end{bmatrix}?
(1) поворот с масштабированием
(2) преобразование подобия
(3) аффинное преобразование
Если стерео-смещение (диспарити) точки A больше, чем у точки B, и рассматривается расстояние вдоль оптической оси камер (то есть рассматривается координата Z), то:
(1) точка A расположена ближе к камерам, чем точка B
(2) точка A расположена дальше к камерам, чем точка B
(3) точка A может быть как ближе к камерам, так и дальше, чем точка B
На каких операционных системах работает OpenCV?:
(1) Windows
(2) Windows, Linux
(3) Windows, Linux, iOS, Android
Какая из функций выделяет данные под одномерный массив, содержащий числа с плавающей запятой одинарной точности:
(1) ippsMalloc_32s
(2) ippiMalloc_32f
(3) ippsMalloc_32f
Одним из возможных практических применений оператора Собеля является:
(1) сглаживание изображения
(2) выделение границ объектов на изображении
(3) удаление шумов на изображении
Машинное обучение – это:
(1) наука, изучающая модели и разрабатывающая методы обучения человека с помощью информационных технологий
(2) область научного знания, изучающая методы построения алгоритмов, способных обучаться
(3) обучение с помощью Интернет и мультимедиа
Какой из нижеперечисленных детекторов не является детектором углов:
(1) детектор Харриса
(2) MSER
(3) детектор Моравеца
Выберите условия применимости метода вычисления оптического потока для определения областей движения.
(1) ближайшие пиксели двигаются с одинаковой скоростью
(2) яркость каждой точки объекта не изменяется с течением времени
(3) изменение яркости пикселя описывается нормальным распределением с математическим ожиданием, равным нулю
(4) ближайшие точки, принадлежащие одному объекту, в плоскости изображения двигаются с похожей скоростью
Насколько точно можно восстановить трёхмерные координаты точки, зная её координаты на одном изображении и внутренние параметры камеры?
(1) можно однозначно определить трёхмерные координаты точки
(2) возможны два решения: в первом точка расположена перед камерой, а во втором на таком же расстоянии за камерой
(3) можно найти только луч, на котором расположена точка
Как получить справку по функции OpenCV при использовании Питон?:
(1) "import cv2; print cv2.<имя функции>.__doc__
(2) зайти на сайт docs.opencv.org и набрать имя функции
(3) оба способа подходят
Какой из видов линковки поддерживается библиотекой Intel IPP:
(1) только динамическая линковка
(2) только статическая линковка
(3) как динамическая, так и статическая линковка
Пусть задано черно-белое изображение некоторого объекта. Чтобы уменьшить зернистость границы объекта, необходимо применить:
(1) замыкание
(2) размыкание
(3) морфологический градиент
Какая из следующих задач является задачей обучения с учителем:
(1) восстановление регрессии
(2) кластеризация
(3) понижение размерности
Какой из нижеперечисленных детекторов является детектором углов:
(1) BRIEF
(2) MSER
(3) детектор Харриса
К какой группе можно отнести методы сопоставления (matching) ключевых точек для сопровождения объектов?
(1) детерминистские методы сопровождения особых точек
(2) вероятностные методы сопровождения особых точек
(3) методы сопровождения компонент
Что такое геометрическая валидация соответствий?
(1) откидывание ложных соответствий, которые не удовлетворяют используемой геометрической модели
(2) то же самое, что и валидационное соответствие геометрии
(3) применение преобразования гомографии к какому-либо соответствию
Вам нужно определить на изображении участок NxN пикселей, в котором контраст максимален (область фокусировки). Какой из приведенных фрагментов решает эту задачу наиболее оптимально и корректно?
(1) Mat dx, dy, mag; Sobel(img, dx, CV_32F, 1, 0, 3); Sobel(img, dy, CV_32F, 0, 1, 3); magnitude(dx, dy, mag); blur(mag, mag, Size(N, N)); Point maxLoc; minMaxLoc(mag, 0, 0, 0, &maxLoc);
(2) Point maxLoc; double maxContrast=0; for( int i = 0; i+N <= img.rows; i++ ) for( int j = 0; j+N <= img.cols; j++ ) { Mat window = img(Rect(j, i, N, N)); /* здесь идет код из лекции, который считает контраст внутри окна, сравнивает его с текущим maxContrast и обновляет максимум и его позицию, если нужно */ }
(3) Mat edges; Canny(img, edges, 5, 50); blur(edges, edges, Size(N, N)); Point maxLoc; minMaxLoc(edges, 0, 0, 0, &maxLoc);
Что НЕ является назначением высокоуровневых API, поставляемых в виде примеров с библиотекой Intel IPP:
(1) предоставить разработчику примеры использования примитивов библиотеки
(2) предоставить разработчику API, которые возможно использовать в собственных приложениях
(3) предоставить разработчику полностью законченные, соответствующие стандарту реализации видеокодеков
Пусть задано следующее изображение в оттенках серого: files Какое изображение получится в результате применения операции размытия с ядром размера 3x3? Граница дополняется посредством дублирования.
(1) изображение, показанное на 1-ом рисункеfiles
(2) изображение, показанное на 2-ом рисункеfiles
(3) изображение, показанное на 3-ом рисункеfiles
Что такое эмпирический риск?
(1) среднее значение штрафной функции на обучающей выборке
(2) математическое ожидание значения штрафной функции
(3) среднеквадратическое отклонение штрафной функции
В основе дескриптора GLOHлежат:
(1) гистограммы градиентов
(2) вейвлеты Хаара
(3) значения набора бинарных тестов
В процессе применения алгоритма RANSAC при сопоставлении ключевых точек модель представляет собой:
(1) матрицу преобразования дескрипторов ключевых точек на паре сопоставляемых изображений
(2) матрицу соответствий дескрипторов ключевых точек на паре сопоставляемых изображений
(3) матрицу проекций дескрипторов ключевых точек
В какой книге нужно искать ответ на сложный вопрос по геометрии в компьютерном зрении?
(1) John von Neumann and Alan Turing. Geometry in Computer Vision: a Modern Approach.
(2) Richard Hartley and Andrew Zisserman. Multiple View Geometry in Computer Vision.
(3) Gary Bradski. The Hitchhiker's Guide to Geometry in Computer Vision.
В каких областях могут эффективно использоваться функции библиотеки Intel IPP:
(1) разработка видеокодеков
(2) решение систем линейных уравнений большой размерности
(3) операции с матрицами небольшого размера
Какая функция библиотеки OpenCV позволяет построить ребра на изображении?
(1) Laplace(…)
(2) Canny(…)
(3) Sobel(…)
Какой из следующих методов является реализацией принципа баггинга (bagging):
(1) случайный лес (random forest)
(2) Градиентный бустинг деревьев решений (gradient boosting trees)
(3) алгоритм AdaBoost
Составной частью какого детектора является дерево, описывающее иерархию связанных компонент на бинаризованном при разных значениях порога изображении:
(1) FAST
(2) MSER
(3) SIFT
Что представляет собой наблюдение при построении фильтра Кальмана для случая равномерного движения?
(1) координаты точки на плоскости, связанной с изображением
(2) вектор скорости точки на плоскости, связанной с изображением
(3) координаты и компоненты вектора скорости точки на плоскости, связанной с изображением
(4) координаты точки на плоскости, связанной с изображением, и угол наклона вектора скорости относительно горизонтальной оси указанной плоскости
Что делает преобразование, обратное к преобразованию дисторсии (undistortion)?
(1) убирает на изображении искажения, внесённые несовершенством линз
(2) выравнивает цвета пикселей, полученных с камеры
(3) по координатам пикселя восстанавливает координаты соответствующей трехмерной точки
Какую из нижеперечисленных функций необходимо использовать для автоматического выбора оптимальной реализации библиотеки при динамической линковке:
(1) только ippInit
(2) только ippStaticInit
(3) оба варианта правильны
Пусть задано бинарное изображение files Какое изображение получится в результате применения дилатации?
(1) полностью белое изображение
(2) полностью черное изображение
(3) изображение, показанное на следующем рисункеfiles
(4) изображение, показанное на следующем рисункеfiles
Метод центров тяжестей (средних) применяется для решения задачи:
(1) классификации
(2) кластеризации
(3) восстановления регрессии
Пусть модель объекта содержит P частей, каждая часть может принимать одно из N положений на изображении. Какова вычислительная сложность алгоритма вывода, если зависимость между частями объекта описывается структурой типа constellation ("созвездие"):
(1) O(NP)
(2) O(P^N)
(3) O(N^P)
Что из нижеперечисленного является результатом детектирования объектов на изображении:
(1) координаты прямоугольника, ограничивающего объекта
(2) координаты контура, ограничивающего объект
(3) набор дескрипторов ключевых точек, принадлежащих объекту
Пусть задано бинарное изображение: files Какое изображение получится в результате применения операции дилатации?
(1) полностью черное изображение
(2) изображение не изменится
(3) изображение, показанное на следующем рисункеfiles
(4) полностью белое изображение
В чем основное преимущество использования моделей объектов, основанных на частях, по сравнению с bag-of-words подходом:
(1) скорость работы алгоритма
(2) учитываются связи и взаимное расположение отдельных частей объекта
(3) нет необходимости в обучении словаря дескрипторов ключевых точек
Что из нижеперечисленного может использоваться в качестве признаков, извлеченных из изображения в методах детектирования объектов на изображении, основанных на извлечении признаков:
(1) гистограммы ориентированных градиентов
(2) CART
(3) машина опорных векторов
Пусть задано бинарное изображение: files Какое изображение получится в результате применения операции размыкания?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение, показанное на следующем рисункеfiles
(3) изображение, показанное на следующем рисункеfiles
(4) изображение, показанное на следующем рисункеfiles
Пусть словарь в алгоритме классификации изображений изображений, основанном на bag-of-words подходе, строится с использованием алгоритма k-means. Число кластеров равно 3, центроиды кластеров равны, соответственно (0,0), (1, 1) и (2,2). Изображение, для которого необходимо построить признаковое описание, содержит 2 ключевых точки с дескрипторами, равными (0, 0.25) и (1.75, 1.75). Какое из нижеперечисленных признаковых описаний соответствует данному изображению:
(1) (0.5, 0, 0.5)
(2) (0.5, 0.5)
(3) (0, 0.5, 0.5)
Пусть рассматривается метод детектирования объектов на изображении, основанный на сопоставлении с шаблоном, который представляет собой набор дескрипторов ключевых точек. В качестве меры совпадения ключевой точки на изображении с точкой на шаблоне используется критерий близости их дескрипторов по евклидовой метрике (значение данной величины должно быть меньше определенного порога). К чему приведет увеличение значения данного порога:
(1) к увеличению числа найденных совпадений, к уменьшению числа ложных срабатываний
(2) к уменьшению числа найденных совпадений, к уменьшению числа ложных срабатываний
(3) к увеличению числа найденных совпадений, к увеличению числа ложных срабатываний
Какие из перечисленных ниже задач компьютерного зрения относятся к задачам видеонаблюдения:
(1) задача поиска логотипа на изображении.
(2) задача распознавания дорожых знаков.
(3) задача нахождения оставленных предметов.
Интегральное изображение можно использовать для
(1) быстрого вычисления средней яркостей пикселей в прямоугольной области.
(2) быстрого нахождения минимального значения яркости в прямоугольной области.
(3) и то, и другое.
Пусть на изображении и на шаблоне содержится n ключевых точек. Чему равна вычислительная сложность алгоритма нахождения соответствий между точками на изображении и точками на шаблоне в случае использования метода полного перебора:
(1) O(log n)
(2) O(n^2)
(3) O(n)
Пусть дано изображение шириной и высотой в 32 пикселя. Ширина и высота «скользящего окна» равна 10 пикселям. Чему равно число различных положений «скользящего окна», полностью лежащего на исходном изображении:
(1) 1024
(2) 100
(3) 529
При формировании изображения с помощью перспективной проекции размер проекции объекта
(1) прямо пропорционален фокусному расстоянию.
(2) обратно пропорционален фокусному расстоянию.
(3) равен размеру объекта.
Какие из следующих задач являются задачами обучения без учителя:
(1) восстановление регрессии
(2) классификация
(3) кластеризация
(4) понижение размерности
(5) прогнозирование временных рядов
Детектор Харриса предназначен для выделения на изображении:
(1) областей экстремума интенсивности
(2) углов
(3) ребер
Что является решением задачи определения областей движения на видео?
(1) совокупность бинарных изображений, в которых белые пиксели соответствуют пикселям, принадлежащим движущимся объектам, а черные – пикселям фона
(2) набор пикселей изображения, в которых происходит движение
(3) совокупность пикселей, в которых происходит движение, для каждого кадра видео
Зачем вводятся коэффициенты дисторсии?
(1) для уменьшения численной ошибки вычислений с плавающей точкой
(2) для моделирования искажений линз
(3) для выравнивания цветов пикселей, полученных с камеры
Какие языки программирования официально поддерживаются в OpenCV?:
(1) C/C++, Python, Matlab
(2) C/C++, Matlab, Java
(3) C/C++, Python, Java
Укажите желательное время работы программы на тестовых данных при оптимизации производительности (время обработки бенчмарка):
(1) несколько недель
(2) несколько дней
(3) несколько часов
(4) несколько секунд
Окрестность угловая точка на изображении:
(1) не изменяется в любом направлении.
(2) не изменяется только в одном направлении.
(3) изменяется в любом направлении.
Пусть обучающая выборка состоит из объектов двух классов. Оптимальная разделяющая гиперплоскость – это гиперплоскость, разделяющая объекты этих классов, такая, что
(1) расстояние от нее до ближайшей точки обучающей выборки минимально
(2) расстояние от нее до ближайшей точки обучающей выборки максимально
(3) расстояние от нее до наиболее удаленной точки обучающей выборки минимально
(4) расстояние от нее до наиболее удаленной точки обучающей выборки максимально
Какой из данных дескрипторов использует в качестве описания ключевой точки набор бинарных тестов:
(1) BRIEF
(2) SIFT
(3) GLOH
Зачем вычисляется расстояния Махаланобиса в методе вычитания фона, основанного на представлении модели фона смесью Гауссовых распределений?
(1) расстояние Махаланобиса не вычисляется в методе вычитания фона, основанного на представлении модели фона смесью Гауссовых распределений
(2) расстояние Махаланобиса для сопоставления Гауссовых распределений, смесью которых представлена модель фона
(3) расстояние Махаланобиса применяется для определения Гауссова распределения, которому соответствует очередное значение цвета/интенсивности пикселя
Сколько степеней свободы в матрице гомографии?
(1) 9
(2) 8
(3) 3
Чему будет равен счетчик ссылок матрицы A после вызова make_aligned_rgb_image Mat make_aligned_rgb_image(int width, int height) { Mat img(height, ((width+15)/16)*16, CV_8UC3); return img(Rect(0, 0, width, height)); } … Mat A = make_aligned_rgb_image(13, 13);
(1) ничему, программа упадет
(2) 1
(3) 2
Почему непосредственное сравнение производительности библиотек IPP и OpenCV выглядит сомнительным?
(1) библиотеки содержат только те алгоритмы, время работы которых не является критичным для практических приложений
(2) время работы алгоритмы в библиотеке OpenCV заведомо меньше времени работы алгоритмов в библиотеке IPP
(3) время работы алгоритмы в библиотеке IPP заведомо меньше времени работы алгоритмов в библиотеке OpenCV
(4) библиотеки содержат разную функциональность и разные реализации одной и той же функциональности
Сколько восьми связанных компонент на приведенном ниже рисунке: files
(1) 1
(2) 3
(3) 4
Деревья решений разбивают пространство признаков
(1) на непересекающиеся параллелепипеды со сторонами, параллельными осям координат
(2) на пересекающиеся параллелепипеды со сторонами, параллельными осям координат
(3) сферические области
Основное назначение вычисления ориентации ключевой точки в детекторе SIFT:
(1) обеспечить инвариантность дескриптора относительно поворота изображения
(2) обеспечить инвариантность дескриптора относительно преобразования сдвига изображения
(3) обеспечить инвариантность дескриптора относительно изменения масштаба изображения
За счет чего достигается ускорение при решении задачи определения областей движения с использованием иерархического схемы полного перебора?
(1) конструируется пирамида для некоторого набора последовательно идущих кадров видео посредством масштабирования каждого изображения последовательности (чем дальше кадр в последовательности, тем больше его размер). Последующий поиск выполняется от мелких изображений к более крупным, в результате чего постепенно отсекаются направления смещения, в которых заведомо не происходит движение.
(2) конструируется пара пирамид для пары последовательно идущих изображений посредством масштабирования исходных изображений. Последующий поиск выполняется от мелких изображений к более крупным, в результате чего постепенно отсекаются направления смещения, в которых заведомо не происходит движение.
Множество пар 2D-3D точек в задаче PnP содержит 80% ошибок. Сколько в среднем потребуется итераций RANSAC для её решения?
(1) 5^3
(2) 5^4
(3) 80^2
Для чего вызывается мы вызываем waitKey() в цикле обработки видео и указываем там задержку 30мс?:
(1) чтобы пользователь успел увидеть результаты обработки
(2) чтобы пользователь успел увидеть результаты обработки и чтобы выйти из цикла по нажатию клавиши
(3) чтобы выйти из цикла по нажатию клавиши и чтобы обработать события от оконной системы (в частности, запросы на перерисовку)
Ядро библиотеки Intel IPP поставляется:
(1) в виде исходных кодов
(2) в бинарном виде
(3) как в исходном коде, так и в бинарном виде
Фильтр Собеля используется для
(1) оценки производной функции интенсивности.
(2) оценки интеграла функции интенсивности.
Для чего выполняется процедура отсечений (pruning) после построения дерева решений:
(1) для борьбы с переобучением
(2) для того, чтобы все пути от корня к листьям имели одинаковую длину
(3) для того, чтобы подобрать функцию неоднородности (impurity)
Пусть задано изображение filesКакой из детекторов выделит область, отмеченную на изображении черным квадратом:
(1) SIFT
(2) MSER
(3) детектор Харриса
Какое преобразование определяется моделью x'(x,y;p)=\begin{bmatrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end{bmatrix}\begin{bmatrix} x \\ y \\ 1 \end{bmatrix}?
(1) поворот с масштабированием
(2) перспективная проекция
(3) преобразование подобия
Когда применяется метод RANSAC?
(1) для проекции точки с известными трёхмерными координатами на изображение
(2) для перехода из одной системы координат в другую
(3) для определения параметров модели в случае зашумлённых данных
Какую функциональность содержит модуль features2d?:
(1) обработка изображений
(2) нахождение особых точек и вычисление их описателей
(3) захват видео с камеры
Какая из функций выделяет память под одноканальное изображение, интенсивность пикселей в котором задана элементами типа unsigned int:
(1) ippiMalloc_8u_C1
(2) ippiMalloc_32f_C3
(3) ippiMalloc_32u_C1
Применение оператора Собеля с ядром \begin{bmatrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{bmatrix} позволяет выделить на изображении:
(1) горизонтальные ребра
(2) вертикальные ребра
(3) горизонтальные и вертикальные ребра
Дедуктивное обучение – это:
(1) процесс логического вывода на основе перехода от частного положения к общему
(2) обучение, основанное на формализации знаний экспертов и выводе из этих знаний новых правил и фактов
(3) обучение с помощью Интернет и мультимедиа
В основе дескриптора BRIEFлежат:
(1) значения множества бинарных тестов
(2) значения вейвлетов Хаара
(3) средние значения интенсивности пикселей в окрестности ключевой точки
Что понимается под положением объекта на изображении?
(1) координаты прямоугольника, окаймляющего объект
(2) координаты центра масс контура объекта
(3) последовательность координат пикселей, принадлежащих контуру объекта
(4) все перечисленные утверждения верны
Какую задачу решает алгоритм Левенберга — Марквардта?
(1) нахождение локального минимума целевой функции из задачи о наименьших квадратах
(2) нахождение глобального минимума выпуклой функции
(3) нахождение глобального минимума выпуклой функции
Какая из приведенных программ на C++ корректно подсчитывает кол-во пикселей полутонового изображения img, яркость которых больше чем определенный порог t:
(1) int count = countNonZero(img > t);
(2) int count = 0; for(int i = 0; i < (int)img.total(); i++) count += img.data[i] > t;
(3) Mat mask; inRange(img, t, t+255, mask); int count = countNonZero(mask);
Память, выделенную под изображение с использованием функций библиотеки Intel IPP, необходимо освобождать с помощью функции:
(1) ippiFree
(2) ippsFree
(3) free
Выберите верные утверждения:
(1) медианный фильтр позволяет удалять шум на изображении. При этом новое значение интенсивности пикселя определяется как среднее значение интенсивностей пикселей фиксированной окрестности.
(2) медианный фильтр позволяет удалять шум на изображении. При этом новое значение интенсивности пикселя определяется как значение интенсивности, которое находится в середине отсортированного набора интенсивностей пикселей фиксированной окрестности.
(3) медианный фильтр обеспечивает размытие изображения.
Какая из следующих задач является задачей обучения с учителем:
(1) кластеризация
(2) классификации
(3) понижение размерности
Инвариантность дескриптораSIFT относительно поворота изображения обеспечивается за счёт:
(1) вычисления дескриптора с учетом ориентации ключевой точки
(2) усреднения значений в окрестности ключевой точки
(3) предварительного преобразования изображения
В чем разница между сопровождением компонент (kernel tracking) и сопровождением силуэта (silhouette tracking)?
(1) принципиальной разницы нет
(2) при сопровождении компонент объект представляется шаблоном геометрической формы, а при сопровождении силуэта объект определяется собственным контуром или набором геометрических примитивов, соответствующих отдельным его частям
(3) при сопровождении компонент выполняется сопоставление отдельных фрагментов изображения, содержащих объект, с модельными фрагментами, а при сопровождении силуэта осуществляется сопоставление контура объекта с модельным набором контуров различных объектов.
Что такое оптическая ось камеры?
(1) прямая, проходящая через центр камеры и пиксель, выбранный на изображении
(2) ось, на которую крепится оптика камеры
(3) прямая, проходящая через центр камеры перпендикулярно плоскости изображения
Вы пишете коммерческую программу для фотосьемки для мобильного телефона, которая должна фокусироваться на лицах. Вы обнаружили, что скорость работы детектора из OpenCV недостаточна. Какие из нижепредложенных методов могут помочь и наиболее действенны?
(1) увеличить размер minSize – параметр, подаваемый в метод detectMultiScale()
(2) уменьшить изображение перед детектированием. Использовать аппаратное ускорение для уменьшения изображения.
(3) запускать детектор в параллельном потоке на некоторых "ключевых" кадрах, следить за обнаруженными лицами для вычисления их положений на промежуточных кадрах
Функция ippiCopy_8u_C1 предназначена для копирования:
(1) одномерного массива, элементами которого являются значения типа unsigned char
(2) одноканального изображения, интенсивность пикселей в котором задана элементами типа unsigned int
(3) одноканального изображения, интенсивность пикселей в котором задана элементами типа unsigned char
Пусть заданы изображения: files Изображение (2) является результатом применения следующей операции к изображению (1):
(1) дилатация
(2) эрозия
(3) замыкание
(4) размыкание
Что такое средний риск?
(1) среднее значение штрафной функции на обучающей выборке
(2) математическое ожидание значения штрафной функции
(3) среднеквадратическое отклонение штрафной функции
Что из нижеперечисленного не является недостатком детектора Моравеца:
(1) не является инвариантным относительно преобразования поворота
(2) не является инвариантным относительно преобразования сдвига
(3) большое число ложных срабатываний на ребрах вследствие шума
Какой принцип теории управления является базовым для методов, основанных на применении фильтра Кальмана и фильтра частниц?
(1) принцип разомкнутого (программного) управления
(2) принцип обратной связи
(3) принцип компенсации (управление по возмущениям)
Если K=\begin{bmatrix} f_x & 0 & c_x \\ 0 & f_y & c_y \\ 0 & 0 & 1 \end{bmatrix} – матрица внутренних параметров камеры, R – матрица поворота объекта, T – вектор его параллельного переноса, то чему равна проекционная матрица P?
(1) P=K(R | T)
(2) P=K^(-1) (R | T)K
(3) P=R(K | T)
Какая из нижеприведенных функций копирует одномерный массив, элементами которого являются числа с плавающей запятой двойной точности:
(1) ippiCopy_64f
(2) ippiCopy_64f_C1
(3) ippsCopy_64f
Какая оператор позволяет вычислить градиент изображения?
(1) оператор Лапласа
(2) оператор Собеля
(3) Оператор Гаусса с ядром 5
Какой из следующих методов является реализацией принципа бустинга (boosting):
(1) случайный лес (random forest)
(2) алгоритм CART
(3) алгоритм AdaBoost
Что из нижеперечисленного не является преимуществом детектора MSER:
(1) одновременное детектирование областей разного масштаба
(2) возможность использования алгоритмов машинного обучения для быстрого нахождения областей локального экстремума
(3) инвариантность относительно аффинных преобразований интенсивностей исходного изображения
Условия применимости фильтра Кальмана для решения задачи сопровождения объектов:
(1) линейность системы (наблюдение является линейно функцией состояния)
(2) в системе присутствуют шумы с мультимодальным распределением
(3) в системе возможен только «белый» шум
Что делает преобразование стерео-ректификации?
(1) выравнивает два изображения так, что соответствующие друг другу точки находятся на одной эпиполярной линии
(2) выравнивает два изображения так, что соответствующие друг другу точки находятся на одной горизонтальной линии
(3) выравнивает два изображения и создаёт из них одно, на которое можно смотреть в стерео-очках
Какое из значений возвращаемого указателя на выделенную память невозможно при использовании семейства функций ippsMalloc:
(1) 0x00cb1b40
(2) 0x00cb1c20
(3) 0x00cb1d02
Пусть задано бинарное изображение files Какое изображение получится в результате применения эрозии?
(1) полностью белое изображение
(2) полностью черное изображение
(3) изображение, показанное на следующем рисункеfiles
Метод медиан применяется для:
(1) классификации
(2) кластеризации
(3) восстановления регрессии
Пусть модель объекта содержит P частей, каждая часть может принимать одно из N положений на изображении. Какова вычислительная сложность алгоритма вывода, если зависимость между частями объекта описывается структурой типа star ("звезда"):
(1) O(N^P)
(2) O(P^N)
(3) O(N^2)
В чем преимущество метода «скользящего окна» для детектирования объектов на изображении:
(1) позволяет увеличить скорость работы алгоритма детектирования
(2) позволяет детектировать несколько объектов на изображении
(3) позволяет детектировать объекты сложной формы на изображении
Пусть задано бинарное изображение: files Какое изображение получится в результате вычисления морфологического градиента?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение, показанное на следующем рисункеfiles
(3) изображение, показанное на следующем рисункеfiles
(4) изображение, показанное на следующем рисункеfiles
В чем заключается основная идея алгоритма сопоставления пространственных пирамид:
(1) сопоставление дескрипторов ключевых точек на изображениях, преобразованных к разным масштабам
(2) вычисление взвешенной суммы числа совпадений дескрипторов ключевых точек в последовательности вложенных друг в друга подобластей пространства признаков
(3) сопоставление интенсивностей пикселей во вложенных друг в друга подобластях изображения
Что из нижеперечисленного может использоваться в качестве классификаторов в методах детектирования объектов на изображении, основанных на извлечении признаков:
(1) гистограммы ориентированных градиентов
(2) случайный лес
(3) нейронные сети
Пусть задано бинарное изображение: files Какое изображение получится в результате применения морфологической операции "верх шляпы" ("top hat")?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение, показанное на следующем рисункеfiles
(3) изображение, показанное на следующем рисункеfiles
(4) изображение, показанное на следующем рисункеfiles
Пусть словарь в алгоритме классификации изображений изображений, основанном на bag-of-words подходе, строится с использованием алгоритма k-means. Число кластеров равно 3, центроиды кластеров равны, соответственно (0,0), (1, 1) и (2,2). Изображение, для которого необходимо построить признаковое описание, содержит 4 ключевых точки с дескрипторами, равными (-1, -1), (-2, -2), (3, 3) и (3.25, 3.75). Какое из нижеперечисленных признаковых описаний соответствует данному изображению:
(1) (0.5, 0.25, 0.25, 0)
(2) (0, 0, 0.5, 0.5)
(3) (0.5, 0, 0, 0.5)
Пусть рассматривается метод детектирования объектов на изображении, основанный на сопоставлении с шаблоном, который представляет собой набор дескрипторов ключевых точек. В качестве меры совпадения ключевой точки на изображении с точкой на шаблоне используется критерий близости их дескрипторов по евклидовой метрике (значение данной величины должно быть меньше определенного порога). К чему приведет уменьшение значения данного порога:
(1) к уменьшению числа правильно продетектированных несовпадений, к увеличению числа правильных соответствий, которые были отброшены
(2) к увеличению числа правильно продетектированных несовпадений, к увеличению числа правильных соответствий, которые были отброшены
(3) к уменьшению числа правильно продетектированных несовпадений, к уменьшению числа правильных соответствий, которые были отброшены
Какой метод вычитания фона наиболее адаптирован к динамическому изменению фона:
(1) гистограмный метод.
(2) метод вычитания статического фона.
(3) метод обучения фона с помощью скользящего среднего.
Окрестность угловая точка на изображении:
(1) не изменяется в любом направлении.
(2) не изменяется только в одном направлении.
(3) изменяется в любом направлении.
Что из нижеперечисленного является основными этапами алгоритма вывода в методах детектирования объектов на изображении, основанных на сравнении с шаблоном:
(1) нахождение меры соответствия признаков, извлеченных из изображения (части изображения) с признаками, извлеченными из шаблона
(2) выделение признаков из изображения (части изображения)
(3) выделение признаков из изображения (части изображения)
Пусть дано изображение шириной и высотой в 22 пикселя. Ширина и высота «скользящего окна» равна 8 пикселям. Чему равно число различных положений «скользящего окна» на исходном изображении:
(1) 64
(2) 225
(3) 484
При перспективной проекции параллельные линии:
(1) могут пересекаться на изображении.
(2) не могут пересекаться.
(3) остаются параллельными.
Классификацией называется
(1) задача разбиения заданного множества объектов на непересекающиеся подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались
(2) задача построения по обучающей выборке, состоящей из конечного множества объектов, для которых известно, к каким классам они относятся, алгоритма, способного классифицировать произвольный объект
(3) задача построения по обучающей выборке функции, по входным переменным определяющей значение количественной объясняющей переменной
Детектор MSER предназначен для выделения на изображении:
(1) ребер
(2) областей экстремума интенсивности
(3) углов
В каких случаях схема вычитания фона в задаче определения движения работает неэффективно?
(1) наличие шума
(2) наличие постоянного источника света
(3) резкое изменение освещенности
(4) резкая смена фона в результате движения камеры
(5) наличие медленно движущихся объектов
(6) быстрое изменение положения движущихся объектов
Камеры была откалибрована для изображений с разрешением 320 x 240. В результате получилась матрица внутренних параметров камеры \begin{bmatrix} f_x & 0 & c_x \\ 0 & f_y & c_y \\ 0 & 0 & 1 \end{bmatrix} и нулевые коэффициенты дисторсии. Какой станет матрица внутренних параметров, если увеличить разрешение изображений до 640 x 480?
(1) не изменится
(2) \begin{bmatrix} 2f_x & 0 & 2c_x \\ 0 & 2f_y & 2c_y \\ 0 & 0 & 1 \end{bmatrix}
(3) \begin{bmatrix} f_x/2 & 0 & c_x/2 \\ 0 & f_y/2 & c_y/2 \\ 0 & 0 & 1 \end{bmatrix}
Для чего в OpenCV используется CMake:
(1) для сборки самой библиотеки на разных платформах
(2) для сборки самой библиотеки на разных платформах и для упрощения использования библиотеки на разных платформах, за исключением Windows
(3) для сборки самой библиотеки на разных платформах и для упрощения использования библиотеки на разных платформах, включая Windows
Каким из перечисленных ниже свойств должен обладать бенчмарк:
(1) репрезентативность
(2) коммутативность
(3) транзитивность
(4) ассоциативность
В цветовом пространстве YUV яркостная компонента соответствует:
(1) Y - каналу.
(2) U - каналу.
(3) V - каналу.
Если каждый из двух классов не пуст и классы линейно разделимы, то
(1) существует единственная оптимальная разделяющая гиперплоскость
(2) существует оптимальная разделяющая гиперплоскость, в общем случае неединственная
(3) существует бесконечно много оптимальных разделяющих гиперплоскостей
В основе детектора GLOH лежит следующий дескриптор:
(1) SURF
(2) SIFT
(3) BRIEF
Чем определяется количество Гауссовых распределений в смеси Гауссовых распределений, которая представляет модель фона?
(1) количество распределений определяется сложностью фона
(2) количество распределений определяется размерами изображения
(3) количество распределений определяется сложностью моделей движения объектов
(4) количество распределений определяется объемами имеющихся вычислительных мощностей
Что такое калибрация камеры?
(1) определение параметров камеры, например по нескольким изображениям известного шаблона
(2) установка нужных драйверов при подключении камеры к компьютеру
(3) серия ударов по камере, чтобы выровнять её внутренние параметры
Как в Питоне создать эффект "расфокусированного" изображения:
(1) быстрого вычисления средней яркостей пикселей в прямоугольной области
(2) быстрого нахождения минимального значения яркости в прямоугольной области
(3) и то, и другое
Аппроксимация контура объекта нужна для:
(1) более компактного представления контура.
(2) для ускорения подсчета контурных признаков.
(3) для того и другого.
Какие из следующих методов нечувствительны к монотонным преобразованиям входных параметров:
(1) метод k ближайших соседей
(2) машина опорных векторов (SVM)
(3) деревья решений
(4) случайные леса (Random Forests)
Какой из данных детекторов использует пирамиду разностей гауссианов:
(1) MSER
(2) SIFT
(3) FAST
Выберите правильное утверждение, которое связано с понятием многоуровневого движения:
(1) пиксели сгруппированы в слои – точки, имеющие одинаковый цвет/интенсивность. Многоуровневое движение – движение отдельных слоев.
(2) пиксели сгруппированы в слои – точки, находящиеся на разной глубине изображения. Многоуровневое движение – движение отдельных слоев.
(3) пиксели сгруппированы в слои – точки, имеющие одинаковое направление градиента. Многоуровневое движение – движение отдельных слоев.
(4) пиксели сгруппированы в слои – точки, имеющие одинаковую магнитуду градиента. Многоуровневое движение – движение отдельных слоев.
Как записывается fundamental matrix constraint?
(1) math
(2) math
(3) math
Вы работаете в Ми-6. Ваш друг, Джейс Бонд, вручил вам фотографию какого-то здания, и попросил найти по базе, что это за здание. Вы отсканировали фотографию. Ваши дальнейшие действия:
(1) попросить помощи на answers.opencv.org, приложить фото, объяснить ситуацию
(2) использовать алгоритм поиска плоского изображения, отобрать результаты с большим количеством согласованных совпадений после вычисления матрицы гомографии
(3) то же что и b, но использовать фундаментальную матрицу вместо матрицы гомографии
Какую из следующих функций можно использовать для освобождения памяти, выделенной при помощи функции ippMalloc:
(1) только free
(2) только ippFree
(3) как free, так и ippFree
Границы объектов на изображении соответствуют:
(1) пикселам, в которых производная функции интенсивности по Y больше, чем производная по X.
(2) пикселам, в которых обе производные функции интенсивности по модулю больше определенного порога.
(3) пикселам, в которых норма градиента больше определенного порога.
В каком из перечисленных случаев переобучение НЕ будет наблюдаться
(1) увеличение количества деревьев в алгоритме градиентного бустинга
(2) увеличение количества деревьев в алгоритме случайного леса
(3) увеличение высоты дерева решений
Направление ориентации ключевой точки в детекторе SIFT определяется как:
(1) направление градиента, вычисленное в особой точке
(2) направление, соответствующее максимальной компоненте взвешенной гистограммы градиентов в окрестности особой точки
(3) направления, соответствующие максимальной компоненте взвешенной гистограммы градиентов в окрестности особой точки и всем компонентам со значениями не меньше 80% от максимального
какое преобразование определяется моделью x'(x,y;p)=\begin{bmatrix} a & -b & p_1 \\ b & a & p_2 \\ 0 & 0 & 1 \end{bmatrix}\begin{bmatrix} x \\ y \\ 1 \end{bmatrix}?
(1) поворот с масштабированием
(2) преобразование подобия
(3) поворот со сдвигом
Что такое ошибка репроекции?
(1) расстояние от точки, спроецированной на изображение, до соответствующей ей точки на изображении
(2) ошибка в координатах спроецированной точки, вызванная погрешностью вычислений
(3) ошибка при решении задачи обратной к задаче проектирования точки
В каких случаях Питон предпочтительней C++ при работе с OpenCV:
(1) для прототипирования
(2) для написания кросс-платформенных программ
(3) для написания законченных коммерческих программ
Какая из функций выделяет память под трехканальное изображение, интенсивность пикселей в котором задана элементами типа unsigned char:
(1) ippiMalloc_8u_C1
(2) ippiMalloc_8u_C3
(3) ippiMalloc_8s_C3
Применение оператора Собеля с ядром \begin{bmatrix} -1 & -2 & -1 \\ 0 & 0 & 0 \\ -1 & 2 & 1 \end{bmatrix} позволяет выделить на изображении:
(1) горизонтальные ребра
(2) вертикальные ребра
(3) горизонтальные и вертикальные ребра
Индуктивное обучение – это:
(1) обучение, основанное на использовании метода математической индукции
(2) метод мышления, при котором частное положение логическим путём выводится из общего
(3) выявлении общих закономерностей по частным эмпирическим данным
Какой алгоритм машинного обучения использует в своей работе детектор FAST:
(1) нейронная сеть
(2) дерево решений
(3) машина опорных векторов
Что такое траектория движения объекта?
(1) последовательность координат прямоугольников, окаймляющих определенный объект
(2) последовательность координат центра масс контуров объекта, полученных на последовательности кадров видео
(3) совокупность контуров определенного объекта, полученных на последовательности кадров видео
(4) перечисленные определения являются частными. В общем случае, последовательность положений объекта на последовательности кадров видео
Что такое эпиполярная линия?
(1) это линия в эпиполярном пространстве, соединяющая два эпиполя
(2) это линия, которая является проекцией луча, проходящего через центр камеры и интересующий нас пиксель, на изображение другой камеры
(3) это линия, расположенная над эпиполем
Какой результат произведет следующий код: Mat* img = new Mat(10, 10, CV_8U); printf("sum=%g\n", sum(*img)[0]); img->release(); delete img;
(1) напечатает 0 и завершится ошибкой из-за двойного освобождения памяти
(2) завершится ошибкой при попытке посчитать сумму элементов, поскольку созданная матрица не инициализирована
(3) напечатает некоторое число
Функцию ippsFree необходимо использовать для освобождения памяти, выделенной:
(1) оператором new
(2) функцией malloc
(3) функцией ippsMalloc
Гистограмма черно-белого изображения качественно выглядит следующим образом:
(1) гистограмма содержит два пика, соответствующие интенсивностям, равным 0 и 255. Соответственно первый пик определяет количество пикселей белого цвета, второй пик – черного.
(2) гистограмма содержит два пика, соответствующие интенсивностям, равным 0 и 255. Соответственно первый пик определяет количество пикселей черного цвета, второй пик – белого.
(3) гистограмма содержит два пика, соответствующие интенсивностям, равным 0 и 255. Величина пиков в гистограмме совпадает.
Какая из следующих задач является задачей обучения без учителя:
(1) восстановление регрессии
(2) классификация
(3) кластеризация
В основе дескриптора SURFлежат:
(1) гистограммы градиентов
(2) вейвлеты Хаара
(3) усредненные значения интенсивности в окрестности ключевой точки
Для чего применяется алгоритм RANSAC?
(1) RANSAC используется для сопоставления дескрипторов ключевых точек
(2) RANSAC используется для вычисления дескрипторов ключевых точек
(3) RANSAC – это общий метод, который используется для оценки параметров модели на основании случайных выборок.
Зачем в компьютерном зрении используется проективная геометрия?
(1) чтобы по одному или нескольким изображениям получить некоторую информацию о трёхмерной структуре снимаемой сцены
(2) чтобы ускорить работу фильтров обработки изображений на непланарных объектах разной формы
(3) чтобы придать солидность публикуемым статьям и разрабатываемым алгоритмам
Что такое особые точки на изображении?:
(1) точки с наибольшим локальным контрастом
(2) точки, которые при изменении ракурса и условий освещения по-прежнему позволяют корректно оценить положение объектов, на которых они находятся.
(3) точки, для которых проще всего вычислять дескрипторы
Функция ippsAdd_32f предназначена для поэлементного сложения:
(1) двух изображений, интенсивности пикселей в которых заданы числами с плавающей запятой одинарной точности
(2) двух изображений, интенсивности пикселей в которых заданы целыми 32 битными числами со знаком
(3) двух одномерных массивов, элементами которых являются числа с плавающей запятой одинарной точности
Пусть заданы изображения: files Изображение (2) является результатом применения следующей операции к изображению (1):
(1) оператора Собеля с ядром\begin{bmatrix} -1 & -2 & -1 \\ 0 & 0 & 0 \\ -1 & 2 & 1 \end{bmatrix}
(2) оператора Собеля с ядром\begin{bmatrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{bmatrix}
(3) детектора ребер Канни
Обобщающая способность – это:
(1) свойство решающего правила выдавать «близкие» к реальным ответы на объектах, не используемых для обучения
(2) свойство метода синтезировать новые алгоритмы обучения, обобщающие известные
(3) способность решающего правила правильно предсказывать ответ на объектах обучающей выборки
В чем преимущество детектора Харриса по сравнению с детектором Моравеца:
(1) более устойчив к преобразованиям поворота изображения
(2) скорость работы
(3) инвариантность относительно преобразования сдвига
Условия применимости фильтра частиц для решения задачи сопровождения объектов:
(1) линейность системы (наблюдение является линейно функцией состояния)
(2) в системе присутствуют шумы с мультимодальным распределением
(3) выполнено условие марковской цепи для последовательности состояний
(4) в системе возможен только «белый» шум
Если (X Y Z) – координаты трехмерной точки, P – проекционная матрица, то по какой формуле найти координаты (u v) этой точки на изображении?
(1) \begin{pmatrix} u \\ v \\ 1 \end{pmatrix}=P\begin{bmatrix} X \\ Y \\ Z \\ 1 \end{bmatrix}
(2) \begin{pmatrix} u \\ v \\ 1 \end{pmatrix}=P\begin{bmatrix} X/Y \\ Y/Z \\ 1 \end{bmatrix}
(3) w \cdot \begin{pmatrix} u \\ v \\ 1 \end{pmatrix}=P\begin{bmatrix} X \\ Y \\ Z \\ 1 \end{bmatrix}
Какой объем памяти будет выделен функцией ippiMalloc_8u_C1, если высота изображения равна 32, а ширина 5:
(1) 160 байт
(2) 1024 байт
(3) 1280 байт
Какая функция библиотеки OpenCV позволяет вычислить эрозию исходного изображения?
(1) morphologyEx
(2) erode
(3) dilate
Какой из следующих методов является реализацией принципа бустинга (boosting):
(1) случайный лес (random forest)
(2) Градиентный бустинг деревьев решений (gradient boosting trees)
(3) метод ближайших соседей
Критерием ключевой точки в детекторе FAST является:
(1) наличие непрерывной последовательности в окрестности точки, значения интенсивностей в точках которой одновременно больше/меньше значения интенсивности в исследуемой точке (с учетом дополнительного порога)
(2) превышение значением градиента в данной точке определенного порога
(3) отношением интенсивности в данной точке к средней интенсивности пикселей в её окрестности
Что представляет собой состояние системы при построении фильтра Кальмана для случая равномерного движения?
(1) координаты точки на плоскости, связанной с изображением
(2) вектор скорости точки на плоскости, связанной с изображением
(3) координаты и компоненты вектора скорости точки на плоскости, связанной с изображением
(4) координаты точки на плоскости, связанной с изображением, и угол наклона вектора скорости относительно горизонтальной оси указанной плоскости
Можно ли найти внутренние параметры камеры, не используя какой-либо шаблон?
(1) можно, но это работает только под Linux
(2) можно, для этого есть алгоритмы автокалибрации, но они работают не очень стабильно
(3) это невозможно, потому что для нахождения внутренних параметров необходима регулярная структура шаблона
Какие значения возвращаемого указателя на выделенную память возможны при использовании семейства функций ippsMalloc:
(1) 0x00cb1b60
(2) 0x00cb1b50
(3) 0x00cb1ba0
Пусть задано бинарное изображение: files Какое изображение получится в результате применения операции размыкания?
(1) полностью белое изображение
(2) полностью черное изображение
(3) изображение, показанное на следующем рисункеfiles
Метод центров тяжестей (средних) – это
(1) жадный алгоритм, стремящийся минимизировать суммарное квадратичное отклонение точек кластеров от центров этих кластеров
(2) метод уменьшения размерности, основанный на вычислении собственных векторов и собственных значений ковариационной матрицы
(3) статистический метод, состоящий в нахождении проекции многомерных данных, для которой достигает максимума некоторая функция качества проекции
Пусть модель объекта содержит P частей, каждая часть может принимать одно из N положений на изображении. Какова вычислительная сложность алгоритма вывода, если зависимость между частями объекта описывается структурой типа k-fan:
(1) O(N^P)
(2) O(N^k)
(3) O(NPk)
Что из нижеперечисленного является основными этапами алгоритма вывода в методах детектирования объектов на изображении, основанных на извлечении признаков:
(1) применение алгоритма классификации к признаковому описанию изображения (части изображения)
(2) извлечение признаков из изображения (части изображения)
(3) оценка степени соответствия признакового описания изображения (части изображения) с шаблоном
Пусть задано бинарное изображение: files Какое изображение получится в результате вычисления дилатации?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение, показанное на следующем рисункеfiles
(3) изображение, показанное на следующем рисункеfiles
(4) изображение, показанное на следующем рисункеfiles
Что из нижеперечисленного может использоваться в качестве представления отдельных частей объекта для моделей объектов, основанных на частях:
(1) гистограммы ориентированных градиентов (HoG)
(2) машина опорных векторов
(3) дерево решений
Пусть рассматривается метод детектирования объектов на изображении, основанный на извлечении признаков. В качестве признакового описания используется HoG (гистограмма ориентированных градиентов), в качестве классификатора – машина опорных векторов (обученный при фиксированной размерности пространства признаков). Известно, что на изображении имеются объекты разного масштаба. Какой из нижеперечисленных подходов возможно применить в данном случае:
(1) зафиксировать размер изображения, рассмотреть «скользящее окно» в разных масштабах
(2) зафиксировать размер «скользящего окна», рассмотреть изображение в разных масштабах
(3) возможны оба варианта
Пусть заданы изображения: files Изображение (2) является результатом применения следующей операции к изображению (1):
(1) дилатация
(2) эрозия
(3) горизонтальный оператор Собеля
(4) замыкание
(5) размыкание
Какой из нижеперечисленных алгоритмов не может использоваться при обучении представления отдельных частей объекта для моделей объектов, основанных на частях:
(1) наивный байесовский классификатор
(2) K-means
(3) Машина опорных векторов
О чем свидетельствует увеличение величины площади под ROC-кривой, на которой отображены значения precision/recall для алгоритма нахождения совпадений между ключевыми точками на изображении и шаблоне:
(1) об ухудшении качества работы данного алгоритма
(2) об улучшении качества работы данного алгоритма
(3) об увеличении скорости работы данного алгоритма
LK - метод вычисления оптического потока осуществляет следующие вычисления:
(1) максимизирует рассогласование между соседними кадрами видеопотока.
(2) минимизирует сумму квадратов расстояний между интенсивностями пикселов в соответствующих областях соседних кадров.
(3) ищет ближайшие по цвету пикселы в соседних кадрах.
В цветовом пространстве YUV яркостная компонента соответствует:
(1) Y - каналу.
(2) U - каналу.
(3) V - каналу.
В чем основное назначение использования пирамиды изображений при детектировании объектов на изображениях:
(1) возможность детектирования объектов разных размеров
(2) ускорение вычислений
(3) возможность детектирования объектов разных классов
О чем свидетельствует уменьшение величины площади под ROC-кривой, на которой отображены значения precision/recall для алгоритма нахождения совпадений между ключевыми точками на изображении и шаблоне:
(1) Об ухудшении качества работы данного алгоритма
(2) Об уменьшении скорости работы данного алгоритма
(3) Об улучшении качества работы данного алгоритма
Какие из перечисленных ниже свойств связанных компонент являются инвариантными к повороту изображения.
(1) описывающий прямоугольник.
(2) центр тяжести.
(3) периметр.
Задачей восстановления регрессии называется
(1) задача разбиения заданного множества объектов на непересекающиеся подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались
(2) задача построения по обучающей выборке, состоящей из конечного множества объектов, для которых известно, к каким классам они относятся, алгоритма, способного классифицировать произвольный объект
(3) задача построения по обучающей выборке функции, по входным переменным определяющей значение количественной объясняющей переменной
Какой из данных детекторов использует в своей работе алгоритмы машинного обучения:
(1) MSER
(2) SIFT
(3) FAST
Каким из перечисленных ниже свойств должен обладать бенчмарк:
(1) формальность
(2) повторяемость
(3) ортогональность
(4) рациональность
В цветовом пространстве HSV H-канал соответствует:
(1) насыщенности цвета.
(2) яркости пикселя.
(3) оттенку цвета.
Пусть math – обучающая выборка, причем math. Указать правильную формулировку задачи нахождения оптимальной разделяющей гиперплоскости (в случае линейно разделимых классов):
(1) math при ограничениях math
(2) math при ограничениях math
Основное отличие дескриптора GLOH от дескриптора SIFT
(1) использование набора бинарных тестов в качестве описания ключевой точки
(2) количество и форма областей, в которых вычисляются гистограммы градиентов
(3) инвариантность относительно поворота изображения
Какие из перечисленных ниже свойств связанных компонент являются инвариантными к сдвигу связанной компоненты.
(1) центральные моменты.
(2) центр тяжести.
(3) описывающий прямоугольник.
Идея баггинг-алгоритмов (bagging) заключается в:
(1) построении множества «независимых» классификаторов
(2) последовательном построении классификаторов, корректирующих ошибки предыдущих
(3) совместном использовании алгоритмов кластеризации и классификации
Алгоритмы классификации изображений, основанные на bag-of-words подходе, в качестве итогового признакового описания изображения используют:
(1) нормированные гистограммы, содержащие частоты встречаемости "слов" (вычисленных на этапе построения словаря) в данном изображении
(2) значения дескрипторов ключевых точек
(3) значения градиентов в ключевых точках
В чем основное отличие функции malloc от функции ippMalloc
(1) функция ippMalloc возвращает указатель на данные, выровненные по 32 байт
(2) функцию ippMalloc обязательно использовать при работе с данными, обрабатываемыми другими функциями библиотеки
(3) функция ippMalloc возвращает указатель на данные, выровненные по 16 байт
Угловым точкам соответствуют точки, в которых:
(1) оба собственных числа матрицы Харриса больше определенного порога.
(2) хотя бы одно из собственных числа матрицы Харриса больше определенного порога.
(3) оба собственных числа матрицы Харриса меньше определенного порога.
В алгоритме случайного леса деревья решений строятся:
(1) путем добавления случайного шума к значениям признаков
(2) путем генерации случайных разбиений в некоторых узлах дерева
(3) на бутстрэп-выборке и с использованием случайно выбранных переменных (признаков)
Основной недостаток детектора Харриса по сравнению с детектором Моравеца:
(1) вычислительная трудоемкость
(2) отсутствие инвариантности относительно сдвига изображения
(3) отсутствие инвариантности относительно поворота изображения
Для выделения памяти под изображение используется семейство функций:
(1) ippsMalloc
(2) ippmMalloc
(3) ippiMalloc
Пусть заданы изображения files Изображение (2) является результатом применения к изображению (1) следующей операции:
(1) эрозия
(2) дилатация
(3) размытие
Какому требованию в первую очередь должны удовлетворять дескрипторы ключевых точек с точки зрения качества описания особенностей изображения:
(1) наименьший размер дескриптора
(2) сложность вычисления дескриптора
(3) инвариантность относительно различных преобразований изображения
Гистограмма изображения позволяет получить:
(1) статистическую картину о распределении цветов на изображении
(2) статистическую картину о расположении пикселей разной интенсивности на изображении
(3) статистическую картину о распределении интенсивностей пикселей заданного изображения
Какая из следующих задач является задачей обучения без учителя:
(1) визуализация данных
(2) восстановление регрессии
(3) классификация
Какие данные используются при обучении словаря в bag-of-wordsметоде классификации изображений:
(1) координаты ключевых точек
(2) дескрипторы ключевых точек
(3) гистограммы встречаемости ключевых точек в изображении
Что такое дескрипторы?:
(1) описатели особых точек, инвариантные к небольшим изменениям ракурса, условий освещения и т.д. Представляют собой вектора в многомерном пространстве
(2) дескрипторы – это описатели файлов в операционной системе. При чем здесь компьютерное зрение?
(3) дескриторы описывают положение, размер, зашумленность, уровень освещения и другие подобные характеристики особых точек
Пусть заданы изображения: files Изображение (2) является результатом применения следующей операции к изображению (1):
(1) оператора Собеля с ядром\begin{bmatrix} -1 & -2 & -1 \\ 0 & 0 & 0 \\ -1 & 2 & 1 \end{bmatrix}
(2) оператора Собеля с ядром\begin{bmatrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{bmatrix}
(3) детектора ребер Канни
Метод перекрестного (скользящего) контроля предназначен для:
(1) проверки правильности работы алгоритма обучения
(2) проверки правильности вычисления решающего правила
(3) оценки обобщающей способности решающего правила
Какой из нижеперечисленных алгоритмов не может использовать для обучения модели классификации изображений по вычисленным признаковым описаниям:
(1) K-means
(2) нейронная сеть
(3) Машина опорных векторов
Какой объем памяти будет выделен функцией ippiMalloc_32f_C3, если высота изображения равна 32, а ширина 3:
(1) 2048 байт
(2) 1152 байт
(3) 9216 байт
Какая функция библиотеки OpenCV позволяет вычислить дилатацию исходного изображения?
(1) morphologyEx
(2) erode
(3) dilate
В чем заключается основное преимущество дескриптора SURFнад дескриптором SIFT:
(1) инвариантность относительно аффинных преобразований интенсивностей исходного изображения
(2) инвариантность относительно преобразования поворота исходного изображения
(3) скорость вычисления
Какой ранг имеет фундаментальная матрица?
(1) 1
(2) 2
(3) 3
Какой объем памяти будет выделен функцией ippiMalloc_8u_C3, если высота изображения равна 32, а ширина 10:
(1) 960 байт
(2) 7680 байт
(3) 1024 байт
Пусть задано бинарное изображение: files Какое изображение получится в результате применения операции размыкания?
(1) полностью белое изображение
(2) полностью черное изображение
(3) изображение, показанное на следующем рисункеfiles
Метод центров тяжестей (средних) может принимать на вход
(1) только признаковое описание объектов
(2) только матрицу расстояний между объектами
(3) как признаковое описание, так и матрицу расстояний
Пусть словарь в алгоритме классификации изображений изображений, основанном на bag-of-words подходе, строится с использованием алгоритма k-means на наборе из M дескрипторов ключевых точек, размерность дескриптора равна N, число кластеров равно L. Чему будет равна размерность итогового признакового описания изображения:
(1) M
(2) N
(3) L
Пусть задано бинарное изображение: files Какое изображение получится в результате вычисления эрозии?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение, показанное на следующем рисункеfiles
(3) изображение, показанное на следующем рисункеfiles
(4) изображение, показанное на следующем рисункеfiles
Что из нижеперечисленного является проблемой методов класса bag-of-words, в которых не учитывается пространственная информация:
(1) скорость работы
(2) совпадение признакового описания изображений со схожими по дескрипторам наборами ключевых точек, находящимися в совершенно разных пространственных конфигурациях
(3) невозможность использования алгоритмов обучения с учителем для работы с итоговыми признаковыми описаниями изображений
Пусть заданы изображения: files Изображение (2) является результатом применения следующей операции к изображению (1):
(1) дилатация
(2) эрозия
(3) горизонтальный оператор Собеля
(4) замыкание
(5) вертикальный оператор Собеля
(6) размыкание
Какой из нижеперечисленных алгоритмов может использоваться при обучении представления отдельных частей объекта для моделей объектов, основанных на частях:
(1) машина опорных векторов
(2) K-means
(3) Gaussian Mixture Model
Какие точки на изображении наиболее подходят для вычисления оптического потока LK- методом.
(1) точки принадлежащие прямолинейным участкам границы объекта.
(2) точки соответствующие непрямолинейным участкам границы объекта.
(3) точки соответствующие однородным областям объекта.
В цветовом пространстве HSV H-канал соответствует:
(1) насыщенности цвета.
(2) яркости пикселя.
(3) оттенку цвета.
С помощью линейной фильтрации можно:
(1) сделать изображение более размытым.
(2) сделать изображение более чётким.
(3) и то, и другое.
Кластеризацией называется
(1) задача разбиения заданного множества объектов на непересекающиеся подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались
(2) задача построения по обучающей выборке, состоящей из конечного множества объектов, для которых известно, к каким классам они относятся, алгоритма, способного классифицировать произвольный объект
(3) задача построения по обучающей выборке функции, по входным переменным определяющей значение количественной объясняющей переменной
Какой из детекторов выделит в качестве особой точки точку (*)files
(1) MSER
(2) детектор Моравеца
(3) FAST
Полосно-пропускающий фильтр изменяет:
(1) спектр преобразования Фурье.
(2) фазу преобразования Фурье.
(3) и то, и другое
Пусть math – обучающая выборка, причем math. Указать правильную формулировку задачи нахождения оптимальной разделяющей гиперплоскости:
(1) math при ограничениях math
(2) math при ограничениях math
(3) math при ограничениях math
(4) math при ограничениях math
(5) math при ограничениях math
(6) math при ограничениях math
При вычислении какого дескриптора используются вейвлеты Хаара:
(1) SIFT
(2) SURF
(3) BRIEF
Медианная фильтрация изображения по сравнению с линейной фильтрацией фильтром с ядром представленным единичной
(1) сделать изображение более размытым.
(2) сделать изображение более чётким.
(3) и то, и другое.
Идея бустинг-алгоритмов (boosting) заключается в:
(1) построении множества «независимых» классификаторов
(2) последовательном построении классификаторов, корректирующих ошибки предыдущих
(3) совместном использовании алгоритмов кластеризации и классификации
Какой из следующих алгоритмов не может использоваться при построении словаря в методах, использующих bag-of-words подход:
(1) Gaussian Mixture Models
(2) K-means
(3) CART (дерево решений)
При повышении контраста сумма норм градиентов на изображении:
(1) повышается.
(2) понижается.
(3) остается неизменной.
За предсказание, сделанное с помощью модели случайного леса, принимается:
(1) класс, который предсказало большинство деревьев решений
(2) класс, который предсказало случайно выбранное дерево решений
(3) сумма предсказаний всех деревьев решений
Какой из данных детекторов предназначен для выделения областей экстремума интенсивности:
(1) детектор Харриса
(2) MSER
(3) детектор Моравеца
Функция ippsMalloc выделяет память под следующую структуру данных:
(1) одномерный массив
(2) кадр видео
(3) изображение
Пусть заданы изображения files Изображение (2) является результатом применения к изображению (1) следующей операции:
(1) эрозия
(2) дилатация
(3) размытие
В основе детектора SIFTлежит:
(1) поиск экстремума интенсивности в пирамиде разности гауссианов исходного изображения
(2) поиск областей экстремума интенсивности на исходном изображении
(3) поиск угловых точек на изображении
Основное отличие операции нормализации гистограммы от операции линейной растяжки гистограммы:
(1) целью операции нормализации гистограммы является соответствие преобразованной гистограммы равномерному закону распределения
(2) в операции нормализации гистограммы используется нелинейное преобразование интенсивностей пикселей исходного изображения
(3) в операции нормализации гистограммы используется наиболее информативная часть диапазона интенсивностей изображения
Укажите правильную последовательность шагов при обучении словаря в bag-of-wordsметоде классификации изображений:
(1) запуск алгоритма k-means, детектирование ключевых точек, вычисление дескрипторов ключевых точек
(2) детектирование ключевых точек, вычисление дескрипторов ключевых точек, запуск алгоритма k-means
(3) детектирование ключевых точек, запуск алгоритма k-means
Пусть заданы изображения: files Изображение (2) является результатом применения следующей операции к изображению (1):
(1) оператора Лапласа
(2) детектора ребер Канни
(3) однозначно определить нельзя
Бутстрэп-выборка – это:
(1) выборка, полученная из исходной путем процедуры изъятия с возвращением
(2) выборка, полученная из исходной путем процедуры изъятия без возвращения
(3) то же самое, что и обучающая выборка
За счет чего достигается повышение чувствительности к шуму в детекторе Харриса:
(1) отсечение неперспективных вариантов с использованием алгоритмов машинного обучения
(2) вычисление изменения интенсивности в окрестности ключевой точки с учетом изменения интенсивности в соседних точках, взятых с гауссовыми весами
(3) вычисление градиента интенсивности в ключевой точке с помощью более точных разностных производных
Пусть задано бинарное изображение: files Какое изображение получится в результате вычисления оператора Лапласа (для граничных пикселей выполняется дублирование)?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение, показанное на следующем рисункеfiles
(3) полностью черное изображение
(4) полностью белое изображение
Метод медиан может принимать на вход
(1) только признаковое описание объектов
(2) только матрицу расстояний между объектами
(3) как признаковое описание, так и матрицу расстояний
Результатом работы алгоритма классификации изображений является:
(1) категория, к которой относится объект на изображении
(2) расположение объекта на изображении
(3) размер объекта на изображении
Пусть задано бинарное изображение: files Какое изображение получится в результате выполнения морфологической операции размыкания?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение, показанное на следующем рисункеfiles
(3) изображение, показанное на следующем рисункеfiles
(4) изображение, показанное на следующем рисункеfiles
Какие из нижеперечисленных алгоритмов могут использоваться для обучения модели классификации изображений по вычисленным признаковым описаниям:
(1) дерево решений
(2) K-means
(3) случайный лес
Пусть заданы изображения: files Изображение (2) является результатом применения следующей операции к изображению (1):
(1) дилатация
(2) эрозия
(3) горизонтальный оператор Собеля
(4) замыкание
(5) вертикальный оператор Собеля
Какие из нижеперечисленных пунктов являются основными элементами моделей, основанных на частях:
(1) методы обучения представления отдельных частей объекта
(2) представление (модель) отдельных частей объекта
(3) описание связей между частями объекта
Пиксель можно классифицировать как принадлежащий тени объекта если:
(1) он темнее пиксела фонового изображения и имеет одинаковые цветовые характеристики.
(2) он светлее пиксела фонового изображения и имеет разные цветовые характеристики.
(3) он светлее пиксела фонового изображения и имеет разные цветовые характеристики.
Полосно-пропускающий фильтр изменяет:
(1) спектр преобразования Фурье.
(2) фазу преобразования Фурье.
(3) и то, и другое.
В каком из нижеперечисленных дескрипторов используется PrincipalComponentAnalysisдля уменьшения размерности дескриптора:
(1) SURF
(2) BRIEF
(3) GLOH
Какая из нижеприведенных функций копирует одномерный массив, элементами которого являются целые 32-битные числа без знака:
(1) ippiCopy_32s_C1
(2) ippsCopy_32u
(3) ippiCopy_32u_C1
В основе детектора ребер Канни лежит:
(1) операция дилатации
(2) оператор Собеля
(3) размытие с гауссовым фильтром
Пусть задано изображение: files Какое изображение получится изображение в результате применения дилатации:
(1) полностью черное изображение
(2) полностью белое изображение
(3) белое изображение, у которого левая и правая границы содержат черные линии толщиной в 1 пиксель
Пусть задано черно-белое изображение: files Какое изображение получится в результате применения медианного фильтра?
(1) полностью черное изображение
(2) применение операции не меняет изображение
(3) изображение, показанное на следующем рисункеfiles
(4) изображение, показанное на следующем рисункеfiles
Какое ядро используется при вызове функции blur из библиотеки OpenCV?
(1) K=\alpha \begin{bmatrix} 1 & \cdots & 1 \\ \vdots & \ddots & \vdots \\ 1 & \cdots & 1 \end{bmatrix},где\,\,\alpha=\begin{cases} {\frac 1 {kSize.width \cdot kSize.height},normalize=true}\\ \text{1,в противном случае} \end{cases}
(2) K=\frac 1 {kSize.width \cdot kSize.height}\begin{bmatrix} 1 & \cdots & 1 \\ \vdots & \ddots & \vdots \\ 1 & \cdots & 1 \end{bmatrix}
(3) K= \frac {1} {159}L=\begin{bmatrix} 2 & 4 & 5 & 4 & 2 \\ 4 & 9 & 12 & 9 & 4 \\ 5 & 12 & 15 & 12 & 5 \\ 4 & 9 & 12 & 9 & 4 \\ 2 & 4 & 5 & 4 & 2 \end{bmatrix}
Пусть задано бинарное изображение: files Какое изображение получится в результате выполнения морфологической операции размыкания?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение, показанное на следующем рисункеfiles
(3) изображение, показанное на следующем рисункеfiles
(4) изображение, показанное на следующем рисункеfiles
Пусть заданы изображения: files Изображение (2) является результатом применения следующей операции к изображению (1):
(1) дилатация
(2) эрозия
(3) горизонтальный оператор Собеля
(4) замыкание
(5) вертикальный оператор Собеля
Переобучением называется:
(1) эффект, при котором ошибка решающего правила на тестовой выборке много больше ошибки на обучающей выборке
(2) эффект, при котором ошибка решающего правила на тестовой выборке много меньше ошибки на обучающей выборке
Если точки из обучающей выборки, принадлежащие разным классам, линейно неразделимы, то:
(1) машину опорных векторов применять нельзя
(2) можно применять машину опорных векторов только с нелинейным ядром
(3) можно применять машину опорных векторов с любым ядром
Случайный лес (Random Forests) является:
(1) Бустинг-алгоритмом (boosting)
(2) Баггинг-алгоритмом (bagging)
(3) модификацией алгоритма машины опорных векторов
Дерево решений (CART) строится c использованием:
(1) жадного алгоритма минимизации функции неоднородности (impurity)
(2) алгоритма глобальной минимизации функции неоднородности (impurity)
(3) алгоритма одновременной минимизации размера дерева и функции неоднородности (impurity)
Пусть с помощью функции ippiMalloc_8u_C1 выделена память под изображение высотой 32 пикселя и шириной 34 пикселя. Чему равна разность указателей на данные, хранящие вторую и первую строки изображения:
(1) 32 байта
(2) 64 байта
(3) 34 байта
Основное назначение операции выравнивания гистограммы:
(1) повышение контрастности изображения
(2) удаление шумов на изображении
(3) размытие изображения
Пусть задано изображение: filesКакое изображение получится изображение в результате применения эрозии:
(1) полностью черное изображение
(2) полностью белое изображение
(3) белое изображение, у которого левая и правая границы содержат черные линии толщиной в 1 пиксель
Пусть задано изображение в оттенках серого: files Какое изображение получится в результате применения медианного фильтра?
(1) полностью черное изображение
(2) применение операции не меняет изображение
(3) изображение, показанное на следующем рисункеfiles
(4) изображение, показанное на следующем рисункеfiles
Какое ядро используется при вызове функции boxFilter из библиотеки OpenCV?
(1) K=\alpha \begin{bmatrix} 1 & \cdots & 1 \\ \vdots & \ddots & \vdots \\ 1 & \cdots & 1 \end{bmatrix},где\,\,\alpha=\begin{cases} {\frac 1 {kSize.width \cdot kSize.height},normalize=true}\\ \text{1,в противном случае} \end{cases}
(2) K=\frac 1 {kSize.width \cdot kSize.height}\begin{bmatrix} 1 & \cdots & 1 \\ \vdots & \ddots & \vdots \\ 1 & \cdots & 1 \end{bmatrix}
(3) K= \frac {1} {159}L=\begin{bmatrix} 2 & 4 & 5 & 4 & 2 \\ 4 & 9 & 12 & 9 & 4 \\ 5 & 12 & 15 & 12 & 5 \\ 4 & 9 & 12 & 9 & 4 \\ 2 & 4 & 5 & 4 & 2 \end{bmatrix}
Пусть задано бинарное изображение: files Какое изображение получится в результате выполнения морфологической операции "верх шляпы" ("top hat")?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение, показанное на следующем рисункеfiles
(3) изображение, показанное на следующем рисункеfiles
(4) изображение, показанное на следующем рисункеfiles
Пусть заданы изображения: files Изображение (2) является результатом применения следующей операции к изображению (1):
(1) дилатация
(2) эрозия
(3) горизонтальный оператор Собеля
(4) замыкание
(5) вертикальный оператор Собеля
Пусть ошибка классификатора, построенного по методу k-ближайших соседей, на тестовой выборке много больше ошибки на обучающей выборке. Какое из следующих действий разумно предпринять для исправления ситуации:
(1) увеличить k и построить новый классификатор
(2) уменьшить k и построить новый классификатор
Машина опорных векторов с линейным ядром строит границу между объектами двух классов в виде:
(1) гиперплоскости
(2) линейной комбинации деревьев решений
(3) поверхности, проходящей через все опорные точки
Какой из следующих методов заключается в построении линейной разделяющей поверхности:
(1) машина опорных векторов с линейным ядром
(2) машина опорных векторов с произвольным ядром
(3) метод k ближайших соседей
(4) случайный лес (Random Forests)
Назначение функции filter2D:
(1) вычисление функции линейной свертки
(2) фильтрация шумов на изображении
(3) определение ребер на изображении
Пусть задано изображение: filesКакое изображение получится в результате применения оператора Собеля с ядром \begin{bmatrix} -1 & -2 & -1 \\ 0 & 0 & 0 \\ -1 & 2 & 1 \end{bmatrix}? Граница дополняется посредством дублирования.
(1) полностью черное изображение
(2) полностью белое изображение
(3) изображение, показанное на рисункеfiles
Пусть задано черно-белое изображение: files Какое изображение получится в результате применения операции размыкания?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение, показанное на следующем рисункеfiles
(3) изображение не изменится
Укажите ядро Гауссова размытия?
(1) K=\alpha \begin{bmatrix} 1 & \cdots & 1 \\ \vdots & \ddots & \vdots \\ 1 & \cdots & 1 \end{bmatrix},где\,\,\alpha=\begin{cases} {\frac 1 {kSize.width \cdot kSize.height},normalize=true}\\ \text{1,в противном случае} \end{cases}
(2) K=\frac 1 {kSize.width \cdot kSize.height}\begin{bmatrix} 1 & \cdots & 1 \\ \vdots & \ddots & \vdots \\ 1 & \cdots & 1 \end{bmatrix}
(3) K= \frac {1} {159}L=\begin{bmatrix} 2 & 4 & 5 & 4 & 2 \\ 4 & 9 & 12 & 9 & 4 \\ 5 & 12 & 15 & 12 & 5 \\ 4 & 9 & 12 & 9 & 4 \\ 2 & 4 & 5 & 4 & 2 \end{bmatrix}
Пусть задано бинарное изображение: files Какое изображение получится в результате выполнения морфологической операции "черная шляпа" ("black hat")?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение, показанное на следующем рисункеfiles
(3) изображение, показанное на следующем рисункеfiles
(4) изображение, показанное на следующем рисункеfiles
Пусть заданы изображения: files Изображение (2) является результатом применения следующей операции к изображению (1):
(1) дилатация
(2) эрозия
(3) горизонтальный оператор Собеля
(4) замыкание
(5) вертикальный оператор Собеля
Применение оператора дилатации:
(1) увеличивает относительную площадь светлых областей на изображении
(2) уменьшает относительную площадь светлых областей на изображении
(3) не влияет на относительную площадь светлых областей на изображении
Пусть задано изображение: filesКакое изображение получится в результате применения оператора Собеля с ядром \begin{bmatrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{bmatrix} ? Граница дополняется посредством дублирования.
(1) полностью черное изображение
(2) полностью белое изображение
(3) изображение, показанное на рисункеfiles
Пусть задано черно-белое изображение: files Какое изображение получится в результате применения операции замыкания?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение не изменится
(3) изображение, показанное на следующем рисункеfiles
Выберите ядро оператора Лапласа.
(1) \begin{bmatrix} -3 & 0 & 3 \\ -10 & 0 & 10 \\ -3 & 0 & 3 \end{bmatrix}
(2) \begin{bmatrix} 0 & 1 & 0 \\ 1 & -4 & 1 \\ 0 & 1 & 0 \end{bmatrix}
(3) \begin{bmatrix} -3 & -10 & 3 \\ 0 & 0 & 0 \\ 3 & 10 & 3 \end{bmatrix}
(4) \begin{bmatrix} 1/2 & 1 & 1/2 \\ 1 & -4 & 1 \\ 1/2 & 1 & 1/2 \end{bmatrix}
Пусть задано бинарное изображение: files Какое изображение получится в результате вычисления морфологического градиента?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение, показанное на следующем рисункеfiles
(3) изображение, показанное на следующем рисункеfiles
(4) изображение, показанное на следующем рисункеfiles
Пусть заданы изображения: files
(1) дилатация
(2) эрозия
(3) горизонтальный оператор Собеля
(4) замыкание
(5) морфологический градиент
Пусть дано черно-белое изображение, содержащее шум, представляющий собой изолированные пиксели. Для удаления шума подобного рода целесообразно применить следующую морфологическую операцию:
(1) замыкание
(2) размыкание
(3) морфологический градиент
Пусть задано следующее изображение в оттенках серого: files Какое изображение получится в результате применения операции размытия с ядром размера 3x3? Граница дополняется посредством дублирования.
(1) изображение, показанное на 1-ом рисункеfiles
(2) изображение, показанное на 2-ом рисункеfiles
(3) изображение, показанное на 3-ом рисункеfiles
Пусть задано черно-белое изображение: files Какое изображение получится в результате применения медианного фильтра?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение, показанное на следующем рисункеfiles
(3) изображение, показанное на следующем рисункеfiles
Применение морфологической операции "эрозия":
(1) увеличивает относительную площадь светлых областей на изображении
(2) уменьшает относительную площадь светлых областей на изображении
(3) не влияет на относительную площадь светлых областей на изображении
Пусть задано бинарное изображение: files Какое изображение получится в результате применения операции замыкания?
(1) изображение, показанное на следующем рисункеfiles
(2) изображение, показанное на следующем рисункеfiles
(3) изображение, показанное на следующем рисункеfiles
(4) изображение, показанное на следующем рисункеfiles