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:

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:

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:

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

Что из нижеперечисленного является основными этапами алгоритма вывода в методах детектирования объектов на изображении, основанных на сравнении с шаблоном:

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:

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

Что из нижеперечисленного может использоваться в качестве классификаторов в методах детектирования объектов на изображении, основанных на извлечении признаков:

В процессе применения алгоритма RANSAC при сопоставлении ключевых точек модель представляет собой:

Что из нижеперечисленного может использоваться в качестве признаков, извлеченных из изображения в методах детектирования объектов на изображении, основанных на извлечении признаков: