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:
Размерность итогового признакового описания изображения в алгоритмах классификации изображений, основанных на bag-of-words подходе, равна
Алгоритмы классификации изображений, основанные на bag-of-words подходе, в качестве итогового признакового описания изображения используют:
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:
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:
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:
Результатом работы алгоритма классификации изображений является:
Какому требованию в первую очередь должны удовлетворять дескрипторы ключевых точек с точки зрения качества описания особенностей 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:
