Введение в разработку мультимедийных приложений с использованием библиотек OpenCV и IPP - тест 3

Детектор Моравеца предназначен для выделения на изображении

Детектор Харриса предназначен для выделения на изображении:

Детектор MSER предназначен для выделения на изображении:

Какой из данных детекторов использует в своей работе алгоритмы машинного обучения:

Какой из детекторов выделит в качестве особой точки точку (*)

В каком из данных дескрипторов не используются значения градиентов интенсивности при описании ключевой точки:

Какой из данных дескрипторов использует в качестве описания ключевой точки набор бинарных тестов:

В основе детектора GLOH лежит следующий дескриптор:

Основное отличие дескриптора GLOH от дескриптора SIFT

При вычислении какого дескриптора используются вейвлеты Хаара:

На рисунке изображены ключевые точки, вычисленные для оригинального и повернутого изображения Для какого детектора наиболее характерно такое поведение:

Основное назначение вычисления ориентации ключевой точки в детекторе SIFT:

Какой из данных детекторов использует пирамиду разностей гауссианов:

Алгоритмы классификации изображений, основанные на bag-of-words подходе, в качестве итогового признакового описания изображения используют:

Какой из следующих алгоритмов не может использоваться при построении словаря в методах, использующих bag-of-words подход:

Размерность итогового признакового описания изображения в алгоритмах классификации изображений, основанных на bag-of-words подходе, равна

Пусть задано изображение Какой из детекторов выделит область, отмеченную на изображении черным квадратом:

Направление ориентации ключевой точки в детекторе SIFT определяется как:

Основной недостаток детектора Харриса по сравнению с детектором Моравеца:

Какой из данных детекторов предназначен для выделения областей экстремума интенсивности:

Какой из нижеперечисленных детекторов не является детектором углов:

В основе дескриптора BRIEFлежат:

Какой алгоритм машинного обучения использует в своей работе детектор FAST:

Какому требованию в первую очередь должны удовлетворять дескрипторы ключевых точек с точки зрения качества описания особенностей изображения:

В основе детектора SIFTлежит: 

Какой из нижеперечисленных детекторов является детектором углов:

Инвариантность дескриптораSIFT относительно поворота изображения обеспечивается за счёт:

В основе дескриптора SURFлежат:

Какие данные используются при обучении словаря в bag-of-wordsметоде классификации изображений:

Укажите правильную последовательность шагов при обучении словаря в bag-of-wordsметоде классификации изображений:

В основе дескриптора GLOHлежат:

Что из нижеперечисленного не является недостатком детектора Моравеца:

В чем преимущество детектора Харриса по сравнению с детектором Моравеца:

Какой из нижеперечисленных алгоритмов не может использовать для обучения модели классификации изображений по вычисленным признаковым описаниям: 

За счет чего достигается повышение чувствительности к шуму в детекторе Харриса:

Составной частью какого детектора является дерево, описывающее иерархию связанных компонент на бинаризованном при разных значениях порога изображении:

Что из нижеперечисленного не является преимуществом детектора MSER:

Критерием ключевой точки в детекторе FAST является:

В чем заключается основное преимущество дескриптора SURFнад дескриптором SIFT:

В каком из нижеперечисленных дескрипторов используется PrincipalComponentAnalysisдля уменьшения размерности дескриптора: 

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"):

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"):

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:

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:

Результатом работы алгоритма классификации изображений является:

В чем основное преимущество использования моделей объектов, основанных на частях, по сравнению с bag-of-words подходом:

В чем заключается основная идея алгоритма сопоставления пространственных пирамид:

Что из нижеперечисленного может использоваться в качестве представления отдельных частей объекта для моделей объектов, основанных на частях:

Что из нижеперечисленного является проблемой методов класса bag-of-words, в которых не учитывается пространственная информация:

Какие из нижеперечисленных алгоритмов могут использоваться для обучения модели классификации изображений по вычисленным признаковым описаниям:

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:

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:

Какой из нижеперечисленных алгоритмов не может использоваться при обучении представления отдельных частей объекта для моделей объектов, основанных на частях:

Какой из нижеперечисленных алгоритмов может использоваться при обучении представления отдельных частей объекта для моделей объектов, основанных на частях:

Какие из нижеперечисленных пунктов являются основными элементами моделей, основанных на частях:

Интегральное изображение можно использовать для

Окрестность угловая точка на изображении: 

В цветовом пространстве YUV яркостная компонента соответствует: 

В цветовом пространстве HSV H-канал соответствует: 

Полосно-пропускающий фильтр изменяет: