Ответы на вопросы из коллекции "Введение в разработку мультимедийных приложений с использованием библиотек OpenCV и IPP"

Одним из возможных практических применений оператора Собеля является:

• сглаживание изображения
• выделение границ объектов на изображении
• удаление шумов на изображении

Какие из перечисленных ниже задач относятся к задачам компьютерного зрения:

• задача помощи водителю по визуальным данным
• задача сжатия изображений
• задача идентификации человека по голосу

Основное назначение операции выравнивания гистограммы:

• повышение контрастности изображения
• удаление шумов на изображении
• размытие изображения

Применение морфологической операции «эрозия»:

• увеличивает относительную площадь светлых областей на изображении
• уменьшает относительную площадь светлых областей на изображении
• не влияет на относительную площадь светлых областей на изображении

Какая функция библиотеки OpenCV позволяет вычислить эрозию исходного изображения?

• morphologyEx
• erode
• dilate

Детектор Харриса предназначен для выделения на изображении:

• областей экстремума интенсивности
• углов
• ребер

Назначение функции filter2D:

• Фильтрация шумов на изображении
• вычисление функции линейной свертки
• определение ребер на изображении

Если каждый из двух классов не пуст и классы линейно разделимы, то

• существует единственная оптимальная разделяющая гиперплоскость
• существует оптимальная разделяющая гиперплоскость, в общем случае неединственная
• существует бесконечно много оптимальных разделяющих гиперплоскостей

Какие из следующих методов нечувствительны к монотонным преобразованиям входных параметров:

• деревья решений
• машина опорных векторов (SVM)
• случайные леса (Random Forests)
• метод k ближайших соседей

В основе детектора SIFTлежит:

• поиск экстремума интенсивности в пирамиде разности гауссианов исходного изображения
• поиск областей экстремума интенсивности на исходном изображении
• поиск угловых точек на изображении

Какие точки на изображении наиболее подходят для вычисления оптического потока LK-методом.

• Точки соответствующие однородным областям объекта
• Точки соответствующие непрямолинейным участкам границы объекта
• Точки принадлежащие прямолинейным участкам границы объекта.

Пиксель можно классифицировать как принадлежащий тени объекта если:

• он темнее пиксела фонового изображения и имеет одинаковые цветовые характеристики
• он светлее пиксела фонового изображения и имеет разные цветовые характеристики
• имеет одинаковые интенсивность и цвет с фоновым изображением

В чем основное отличие функции malloc от функции ippMalloc

• функция ippMalloc возвращает указатель на данные, выровненные по 16 байт
• функцию ippMalloc обязательно использовать при работе с данными, обрабатываемыми другими функциями библиотеки
• функция ippMalloc возвращает указатель на данные, выровненные по 32 байт

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

• нейронная сеть
• Машина опорных векторов
• K-means

Направление ориентации ключевой точки в детекторе SIFT определяется как:

• направление, соответствующее максимальной компоненте взвешенной гистограммы градиентов в окрестности особой точки
• направление градиента, вычисленное в особой точке
• направления, соответствующие максимальной компоненте взвешенной гистограммы градиентов в окрестности особой точки и всем компонентам со значениями не меньше 80% от максимального

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

• MSER
• FAST
• SIFT

Метод центров тяжестей (средних) может принимать на вход

• только признаковое описание объектов
• только матрицу расстояний между объектами
• как признаковое описание, так и матрицу расстояний

Метод деревьев решений применяется для решения задач:

• только восстановления регрессии
• и классификации и восстановления регрессии
• только классификации

Машина опорных векторов с линейным ядром строит границу между объектами двух классов в виде:

• линейной комбинации деревьев решений
• поверхности, проходящей через все опорные точки
• гиперплоскости

Пусть дано черно-белое изображение, содержащее шум, представляющий собой изолированные пиксели. Для удаления шума подобного рода целесообразно применить следующую морфологическую операцию:

• размыкание
• замыкание
• морфологический градиент

Какая из нижеприведенных функций копирует одномерный массив, элементами которого являются целые 32-битные числа без знака:

• ippiCopy_32u_C1
• ippsCopy_32u
• ippiCopy_32s_C1

Что из нижеперечисленного не является недостатком детектора Моравеца:

• большое число ложных срабатываний на ребрах вследствие шума
• не является инвариантным относительно преобразования сдвига
• не является инвариантным относительно преобразования поворота

Классификацией называется

• задача построения по обучающей выборке функции, по входным переменным определяющей значение количественной объясняющей переменной
• задача разбиения заданного множества объектов на непересекающиеся подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались
• задача построения по обучающей выборке, состоящей из конечного множества объектов, для которых известно, к каким классам они относятся, алгоритма, способного классифицировать произвольный объект

Какой из нижеперечисленных детекторов является детектором углов:

• MSER
• детектор Харриса
• BRIEF

Основное отличие операции нормализации гистограммы от операции линейной растяжки гистограммы:

• в операции нормализации гистограммы используется нелинейное преобразование интенсивностей пикселей исходного изображения
• в операции нормализации гистограммы используется наиболее информативная часть диапазона интенсивностей изображения
• целью операции нормализации гистограммы является соответствие

При формировании изображения с помощью перспективной проекции размер проекции объекта

• равен размеру объекта
• обратно пропорционален фокусному расстоянию
• прямо пропорционален фокусному расстоянию

Какой объем памяти будет выделен функцией ippiMalloc_32f_C3, если высота изображения равна 32, а ширина 3:

• 1152 байт
• 2048 байт
• 9216 байт

При повышении контраста сумма норм градиентов на изображении:

• понижается
• повышается
• остается неизменной

Машинное обучение – это:

• наука, изучающая модели и разрабатывающая методы обучения человека с помощью информационных технологий
• область научного знания, изучающая методы построения алгоритмов, способных обучаться
• обучение с помощью Интернет и мультимедиа

Идея баггинг-алгоритмов (bagging) заключается в:

• последовательном построении классификаторов, корректирующих ошибки предыдущих
• совместном использовании алгоритмов кластеризации и классификации
• построении множества «независимых» классификаторов

Какая из приведенных программ на C++ корректно подсчитывает кол-во пикселей полутонового изображения img, яркость которых больше чем определенный порог t:

• Mat mask; inRange(img, t, t+255, mask); int count = countNonZero(mask);
• int count = countNonZero(img > t);
• int count = 0; for(int i = 0; i < (int)img.total(); i++) count += img.data[i] > t;

Основное отличие дескриптора GLOH от дескриптора SIFT

• использование набора бинарных тестов в качестве описания ключевой точки
• инвариантность относительно поворота изображения
• количество и форма областей, в которых вычисляются гистограммы градиентов

Для выделения памяти под изображение используется семейство функций:

• ippsMalloc
• ippmMalloc
• ippiMalloc

На каких операционных системах работает OpenCV?:

• Windows
• Windows, Linux
• Windows, Linux, iOS, Android

Результатом работы алгоритма классификации изображений является:

• расположение объекта на изображении
• размер объекта на изображении
• категория, к которой относится объект на изображении

В основе дескриптора BRIEFлежат:

• значения вейвлетов Хаара
• средние значения интенсивности пикселей в окрестности ключевой точки
• значения множества бинарных тестов

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

• числу "слов" (например, числу кластеров в алгоритме k-means)
• числу ключевых точек на изображении
• размерности дескриптора

Для чего выполняется процедура отсечений (pruning) после построения дерева решений:

• для борьбы с переобучением
• для того, чтобы все пути от корня к листьям имели одинаковую длину
• для того, чтобы подобрать функцию неоднородности (impurity)

Переобучением называется:

• эффект, при котором ошибка решающего правила на тестовой выборке много больше ошибки на обучающей выборке
• эффект, при котором ошибка решающего правила на тестовой выборке много меньше ошибки на обучающей выборке

В основе детектора ребер Канни лежит:

• операция дилатации
• оператор Собеля
• размытие с гауссовым фильтром

Какая из функций выделяет данные под одномерный массив, содержащий числа с плавающей запятой одинарной точности:

• ippiMalloc_32f
• ippsMalloc_32f
• ippsMalloc_32s

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

• SIFT
• SURF
• BRIEF

Бутстрэп-выборка – это:

• выборка, полученная из исходной путем процедуры изъятия без возвращения
• то же самое, что и обучающая выборка
• выборка, полученная из исходной путем процедуры изъятия с возвращением

Какой метод вычитания фона наиболее адаптирован к динамическому изменению фона:

• гистограмный метод
• метод вычитания статического фона
• метод обучения фона с помощью скользящего среднего

Идея бустинг-алгоритмов (boosting) заключается в:

• совместном использовании алгоритмов кластеризации и классификации
• построении множества «независимых» классификаторов
• последовательном построении классификаторов, корректирующих ошибки предыдущих

Какие из следующих задач являются задачами обучения без учителя:

• понижение размерности
• восстановление регрессии
• классификация
• прогнозирование временных рядов
• кластеризация

Какой из данных детекторов использует пирамиду разностей гауссианов:

• MSER
• SIFT
• FAST

В каком из нижеперечисленных дескрипторов используется PrincipalComponentAnalysisдля уменьшения размерности дескриптора:

• BRIEF
• GLOH
• SURF

Что такое средний риск?

• математическое ожидание значения штрафной функции
• среднее значение штрафной функции на обучающей выборке
• среднеквадратическое отклонение штрафной функции

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:

• 32 байта
• 64 байта
• 34 байта

Какие из следующих задач являются задачами обучения с учителем:

• классификация
• восстановление регрессии
• кластеризация
• прогнозирование временных рядов
• понижение размерности

Можно ли использовать OpenCV в коммерческих приложениях?:

• да, если об этом никто не узнает
• да, если в документации или сопроводительных материалах содержится копия лицензии OpenCV
• нет

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:

• (0, 0, 0.5, 0.5)
• (0.5, 0, 0, 0.5)
• (0.5, 0.25, 0.25, 0)

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

• гистограммы ориентированных градиентов (HoG)
• машина опорных векторов
• дерево решений

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"):

• O(N^2)
• O(P^N)
• O(N^P)

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

• отсечение неперспективных вариантов с использованием алгоритмов машинного обучения
• вычисление градиента интенсивности в ключевой точке с помощью более точных разностных производных
• вычисление изменения интенсивности в окрестности ключевой точки с учетом изменения интенсивности в соседних точках, взятых с гауссовыми весами

Детектор MSER предназначен для выделения на изображении:

• углов
• ребер
• областей экстремума интенсивности

Метод медиан применяется для:

• кластеризации
• классификации
• восстановления регрессии

Случайный лес (Random Forests) является:

• Баггинг-алгоритмом (bagging)
• Бустинг-алгоритмом (boosting)
• модификацией алгоритма машины опорных векторов

Гистограмма черно-белого изображения качественно выглядит следующим образом:

• гистограмма содержит два пика, соответствующие интенсивностям, равным 0 и 255. Соответственно первый пик определяет количество пикселей черного цвета, второй пик – белого
• гистограмма содержит два пика, соответствующие интенсивностям, равным 0 и 255. Величина пиков в гистограмме совпадает
• гистограмма содержит два пика, соответствующие интенсивностям, равным 0 и 255. Соответственно первый пик определяет количество пикселей белого цвета, второй пик – черного

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

• MSER
• SIFT
• FAST

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

• Gaussian Mixture Model
• машина опорных векторов
• K-means

Укажите желательное время работы программы на тестовых данных при оптимизации производительности (время обработки бенчмарка):

• несколько дней
• несколько недель
• несколько секунд
• несколько часов

В каких областях могут эффективно использоваться функции библиотеки Intel IPP:

• разработка видеокодеков
• решение систем линейных уравнений большой размерности
• операции с матрицами небольшого размера

Какое из значений возвращаемого указателя на выделенную память невозможно при использовании семейства функций ippsMalloc:

• 0x00cb1b40
• 0x00cb1c20
• 0x00cb1d02

Медианная фильтрация изображения по сравнению с линейной фильтрацией фильтром с ядром представленным единичной

• и то, и другое
• сделать изображение более размытым
• сделать изображение более чётким

Как в Питоне создать эффект "расфокусированного" изображения:

• быстрого вычисления средней яркостей пикселей в прямоугольной области
• быстрого нахождения минимального значения яркости в прямоугольной области
• и то, и другое

Использование ядер в машине опорных векторов позволяет:

• строить нелинейную разделяющую поверхность в исходном пространстве признаков
• разбивать пространство признаков на части и решать задачу классификации в каждой части независимо
• задавать точки, через которые должна пройти разделяющая поверхность

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?

• 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 */ }
• Mat edges; Canny(img, edges, 5, 50); blur(edges, edges, Size(N, N)); Point maxLoc; minMaxLoc(edges, 0, 0, 0, &maxLoc);
• 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);

Какие из перечисленных ниже свойств связанных компонент являются инвариантными к сдвигу связанной компоненты.

• описывающий прямоугольник
• центральные моменты
• центр тяжести

Если точки из обучающей выборки, принадлежащие разным классам, линейно неразделимы, то:

• можно применять машину опорных векторов с любым ядром
• машину опорных векторов применять нельзя
• можно применять машину опорных векторов только с нелинейным ядром

Гистограмма изображения позволяет получить:

• статистическую картину о расположении пикселей разной интенсивности на изображении
• статистическую картину о распределении цветов на изображении
• статистическую картину о распределении интенсивностей пикселей заданного изображения

Что такое эмпирический риск?

• среднее значение штрафной функции на обучающей выборке
• среднеквадратическое отклонение штрафной функции
• математическое ожидание значения штрафной функции

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

• скорость работы алгоритма
• учитываются связи и взаимное расположение отдельных частей объекта
• нет необходимости в обучении словаря дескрипторов ключевых точек

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:

• O(N^k)
• O(N^P)
• O(NPk)

Какую из нижеперечисленных функций необходимо использовать для автоматического выбора оптимальной реализации библиотеки при динамической линковке:

• только ippStaticInit
• оба варианта правильны
• только ippInit

Функция ippsAdd_32f предназначена для поэлементного сложения:

• двух одномерных массивов, элементами которых являются числа с плавающей запятой одинарной точности
• двух изображений, интенсивности пикселей в которых заданы числами с плавающей запятой одинарной точности
• двух изображений, интенсивности пикселей в которых заданы целыми 32 битными числами со знаком

Какая из функций выделяет память под трехканальное изображение, интенсивность пикселей в котором задана элементами типа unsigned char:

• ippiMalloc_8u_C1
• ippiMalloc_8u_C3
• ippiMalloc_8s_C3

Каким из перечисленных ниже свойств должен обладать бенчмарк:

• ассоциативность
• транзитивность
• репрезентативность
• коммутативность

Что такое дескрипторы?:

• описатели особых точек, инвариантные к небольшим изменениям ракурса, условий освещения и т.д. Представляют собой вектора в многомерном пространстве
• дескриторы описывают положение, размер, зашумленность, уровень освещения и другие подобные характеристики особых точек
• дескрипторы – это описатели файлов в операционной системе. При чем здесь компьютерное зрение?

Полосно-пропускающий фильтр изменяет:

• и то, и другое.
• спектр преобразования Фурье.
• фазу преобразования Фурье.

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

• K-means
• Машина опорных векторов
• наивный байесовский классификатор

Что из нижеперечисленного не является преимуществом детектора MSER:

• одновременное детектирование областей разного масштаба
• возможность использования алгоритмов машинного обучения для быстрого нахождения областей локального экстремума
• инвариантность относительно аффинных преобразований интенсивностей исходного изображения

Инвариантность дескриптораSIFT относительно поворота изображения обеспечивается за счёт:

• вычисления дескриптора с учетом ориентации ключевой точки
• усреднения значений в окрестности ключевой точки
• предварительного преобразования изображения

Какой алгоритм машинного обучения использует в своей работе детектор FAST:

• нейронная сеть
• машина опорных векторов
• дерево решений

Какой из данных детекторов предназначен для выделения областей экстремума интенсивности:

• детектор Харриса
• детектор Моравеца
• MSER

Основное назначение вычисления ориентации ключевой точки в детекторе SIFT:

• обеспечить инвариантность дескриптора относительно преобразования сдвига изображения
• обеспечить инвариантность дескриптора относительно изменения масштаба изображения
• обеспечить инвариантность дескриптора относительно поворота изображения

Метод медиан может принимать на вход

• только матрицу расстояний между объектами
• как признаковое описание, так и матрицу расстояний
• только признаковое описание объектов

За предсказание, сделанное с помощью модели случайного леса, принимается:

• сумма предсказаний всех деревьев решений
• класс, который предсказало случайно выбранное дерево решений
• класс, который предсказало большинство деревьев решений

Деревья решений разбивают пространство признаков

• на непересекающиеся параллелепипеды со сторонами, параллельными осям координат
• сферические области
• на пересекающиеся параллелепипеды со сторонами, параллельными осям координат

Какая оператор позволяет вычислить градиент изображения?

• оператор Собеля
• оператор Лапласа
• оператор Гаусса с ядром 5

Пусть задано черно-белое изображение некоторого объекта. Чтобы уменьшить зернистость границы объекта, необходимо применить:

• замыкание
• размыкание
• морфологический градиент

В цветовом пространстве HSV H-канал соответствует:

• яркости пикселя
• насыщенности цвета
• оттенку цвета

С какой целью производилось искусственное увеличение размера тестового изображения при сравнении производительности функций IPP и OpenCV:

• для повышения качества работы алгоритмов
• для понижения качества работы алгоритмов
• для получения приемлемого времени работы функций

Для чего в OpenCV используется CMake:

• для сборки самой библиотеки на разных платформах и для упрощения использования библиотеки на разных платформах, за исключением Windows
• для сборки самой библиотеки на разных платформах и для упрощения использования библиотеки на разных платформах, включая Windows
• для сборки самой библиотеки на разных платформах

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?

• уменьшить изображение перед детектированием. Использовать аппаратное ускорение для уменьшения изображения.
• увеличить размер minSize – параметр, подаваемый в метод detectMultiScale()
• запускать детектор в параллельном потоке на некоторых "ключевых" кадрах, следить за обнаруженными лицами для вычисления их положений на промежуточных кадрах

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

• значения дескрипторов ключевых точек
• значения градиентов в ключевых точках
• нормированные гистограммы, содержащие частоты встречаемости "слов" (вычисленных на этапе построения словаря) в данном изображении

Какой из циклов реализует подсчет производной по оси X с помощью оператора Собеля:

• 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(i,j)= img.at(i-1,j+1)+img.at(i,j+1)*2+img.at(i+1,j+1) – img.at(i-1,j-1)-img.at(i,j-1)*2+img.at(i+1,j-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(i,j)= img.at(i-1,j)+img.at(i,j-1)-img.at(i,j)*4 + img.at(i,j+1)+img.at(i+1,j);
• 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(i,j)= img.at(i+1,j-1)+img.at(i+1,j)*2+img.at(i+1,j+1) – img.at(i-1,j-1)-img.at(i-1,j)*2+img.at(i-1,j+1);

Какая из функций выделяет память под одноканальное изображение, интенсивность пикселей в котором задана элементами типа unsigned int:

• ippiMalloc_8u_C1
• ippiMalloc_32f_C3
• ippiMalloc_32u_C1

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:

• (0, 0.5, 0.5)
• (0.5, 0.5)
• (0.5, 0, 0.5)