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:
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:
Какой объем памяти будет выделен функцией ippiMalloc_8u_C1, если высота изображения равна 32, а ширина 5:
Какой объем памяти будет выделен функцией ippiMalloc_8u_C3, если высота изображения равна 32, а ширина 10:
Какой объем памяти будет выделен функцией ippiMalloc_32f_C3, если высота изображения равна 32, а ширина 3:
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:
В каком из перечисленных случаев переобучение НЕ будет наблюдаться
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:
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:
Для чего выполняется процедура отсечений (pruning) после построения дерева решений: