Visión por Computador - Examen 2019/2020

Indica la opción correcta: Los sistemas de aprendizaje supervisado no necesitan que las muestras estén etiquetadas. Los sitemas de aprendizaje no supervisado no necesitan características. Todos los sistemas de aprendizaje automático necesitan muestras.

La transformada de Hough se puede usar para: Aproximar una serie de puntos a una forma geométrica. Calcular la longitud de una línea. Calcular la posición donde intersectan dos rectas.

¿Qué característica (entre las siguientes) da mejores resultados para comparar contornos de objetos?. Momentos geométricos. Momentos de Hu. Curtosis.

En un algoritmo Watershed... Los makers iniciales suelen colocarse en los píxeles correspondientes a los bordes. La correcta elección de los makers es fundamental para mejorar la calidad de la segmentación. Se necesita que la imagen a segmentar sea tridimensional.

Los sistemas para reconocimiento de escenas que están basados en objetos... Funcionan mejor cuanto más objetos tenga la imagen. Generan histogramas de objetos que tienen longitud fija. Generan histogramas de objetos que tienen longitud variable.

Dada una imagen con los siguientes niveles de intensidad, ¿cuál sería el valor de la imagen integral en la posición (3,3)? (marcada en negrita). 1. 16. 15.

¿Cuál es la ventaja de usar imagen de mapa de bits sobre imagen vectorial?. Con mapa de bits podemos ampliar o reducir la imagen sin pérdida de calidad. Es más sencillo obtener una imagen de mapa de bits que una vectorial. Una imagen en mapa de bits ocupa menos espacio en disco que en formato vectorial.

En un detector de esquinas Harris, cuando los dos valores propios son similares y cercanos a 0... Se considera que el punto no es esquina ni borde. Se considera que el punto es esquina. Se considera que el punto es borde.

¿Cuántos canales tiene una imagen pseudocoloreada?. 1. 3. 4.

Si tenemos una imagen como esta, que presenta cambios de luminosidad, ¿cuál de los siguientes algoritmos sería el más adecuado para hacer una segmentación?. Método de Otsu. Umbralización local adaptativa. Umbralización múltiple.

Dada la siguiente matriz de transformación afín, calcula el resultado de aplicar esta matriz de transformación en el punto x=2, y=3. x' = 22, y' = 9. x' = 10, y' = 5. x' = 22, y' = 21.

En el conjunto de validación de un sistema de aprendizaje automático... No debe haber muestras que pertenezcan al conjunto de entrenamiento. Puede haber muestras que pertenezcan al conjunto de entrenamiento. Las muestras deben incluir clases que no estén en el conjunto de entrenamiento.

Dada una imagen con los siguientes valores de intensidad, ¿cuál es la magnitud de su gradiente en el punto central?. 2.41. 1.41. 3.16.

En un Bag Of Words, un punto de interés se codifica mediante... Un número. Un vector. Una matriz.

¿Cuándo es más conveniente usar para un problema A los pesos de red entrenada para otro problema B?. Cuando las imágenes del problema A no se parecen a las del problema B, pero ambos problemas tienen el mismo número de clases. Cuando las imágenes del problema A se parecen a las del problema B, aunque las clases sean distintas. Cuando las imágenes del problema A no se parecen a las del problema B, pero el número de muestras de entrenamiento de ambas es similar.

En un algoritmo k-means... La selección de los puntos iniciales no influye en el resultado final. Los centros de los clusters no varían durante la ejecución del algoritmo. Necesitamos indicar el valor de k.

En un SIFT se aplica un suavizado Gausiano usando distintos niveles para... Detectar bordes de forma eficiente. Hacer que la detección sea invariante a escala. Reducir el ruido presente en la imagen.

Un cierre convexo es... Un punto. Un número. Un vector de puntos.

Para tareas de segmentación, suavizar la imagen mitiga los problemas provocados por... Luminosidad variable. Bajo contraste. Ruido.

¿Cuál es el resultado en el punto central de convolucionar la primera matriz (un filtro) con la segunda (una imagen)?. 6. 0. -6.

El descriptor LBP de una imagen concreta... Es binario. Tiene un tamaño variable. Es un histograma.

Calcula el valor de contraste de una imagen que tiene todos sus píxeles con un valor de intensidad igual a 10. 0. 1. 10.

Un algoritmo de crecimiento de regiones... Es similar a un algoritmo Watershed. Puede deducir automáticamente el criterio de homogeneidad Q. Normalmente divide la imagen en zonas del mismo tamaño.

Las características locales... Son más robustas a oclusión que las globales. Sirven para comparar imágenes más rápidamente que usando características globales. No son robustas a traslaciones.

En un algoritmo Mean-shift... Necesitamos indicar el número de clusters. El número de clusters se calcula de forma automática. Las posiciones iniciales de las ventanas son aleatorias.

Para detectar el saliency de una imagen, el algoritmo Spectral Residual... Calcula la frecuencia media de muchas imágenes. Devuelve como resultado la inversa de la transformada de Fourier de la imagen. Se basa en detectar discontinuidades en la función logaritmo de la frecuencia.

Las redes de deep learning funcionan mejor que los sistemas de aprendizaje tradicionales porque... Internamente son capaces de extraer las características más adecuadas para resolver la tarea. Tienen una capa oculta. Extraen la información de alto nivel en las primeras capas.

El descriptor SURF... Fue el primer algoritmo que usó filtros de caja. Ocupa menos espacio en memoria que el descriptor SIFT. No es invariante a cambios de escala.

La transformada de Douglas-Pecker se usa para... Aproximar un contorno usando menos puntos. Aproximar una recta para que pase por varios puntos. Aproximar una elipse para que pase por varios puntos.

El algoritmo de flujo óptico de Lucas-Kanade... Asume que el desplazamiento de todos los píxeles de la ventana es similar. Es capaz de calcular desplazamientos mayores que el tamaño de la ventana. Solo puede calcular desplazamientos de objetos que contienen bordes.

¿Cuál de estas opciones morfológicas es commutativa?. Erosión. Dilatación. Erosión y dilatación.

Los descriptores GIST... Necesitan usar filtros de Gabor. Ocupan poco tamaño en memoria. Son binarios.

Indica cuál de las siguientes afirmaciones es correcta sobre los descriptores de contorno: Todos los descriptores de contorno son características globales. Es posible distinguir cualquier objeto solo con su contorno. Si tenemos una fotografía es necesario aplicar un algoritmo de segmentación antes de usar descriptores de contorno.

x es el valor de intensidad de un píxel en una imagen de tipo uchar, ¿cómo se calcula su valor invertido?. x'=1-x. x'=255/x. x'=255-x.

Indica la afirmación correcta sobre redes neuronales. Podemos usar una red neuronal para extraer características con las que entrenar otro sistema de aprendizaje automático. Es adecuado entrenar una red neuronal con muestras del conjunto de test. Una red neuronal puede reconocer clases que no se han visto durante el entrenamiento.

Los histogramas polares del descriptor Shape Context... Se calculan usando todos los píxeles de la imagen. Se calculan en el dominio de la frecuencia. Dan más importancia a los píxeles cercanos que a los lejanos.

En SIFT se buscan píxeles con valor máximo o mínimo en varias escalas para conseguir. Invarianza a cambios de escala. Invarianza a rotación. Que el algoritmo sea robusto al ruido.

En el detector FAST se usa NMS para eliminar aquellos puntos de interés... que están cerca de otro punto de interés. que tienen un valor de gradiente muy pequeño. con el objetivo de usar un árbol de decisión.

¿Cuál de estos algoritmos sería más adecuado para hacer tracking de peatones en tiempo real?. MedianFlow. CAMShift. SparseFlow.

El valor RGB(0,0,0) corresponde al color... blanco. gris. negro.