Đáp án đề kiểm tra học kỳ I năm học 2019-2020 môn Xử lý ảnh công nghiệp - ĐH Sư phạm Kỹ thuật

Chia sẻ: Đinh Y | Ngày: | Loại File: PDF | Số trang:5

Thêm vào BST

Báo xấu

54
lượt xem 4
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Đáp án đề kiểm tra học kỳ I năm học 2019-2020 môn Xử lý ảnh công nghiệp giúp cho các bạn sinh viên nắm bắt được cấu trúc đề thi, dạng đề thi chính để có kế hoạch ôn thi một cách tốt hơn. Tài liệu hữu ích cho các các bạn sinh viên đang theo học chuyên ngành Công nghệ thông tin và những ai quan tâm đến môn học này dùng làm tài liệu tham khảo.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Đáp án đề kiểm tra học kỳ I năm học 2019-2020 môn Xử lý ảnh công nghiệp - ĐH Sư phạm Kỹ thuật

RU'CSNG DAI HOC SU' PHAM KY THUAT DAP AN CUOI KY HK I NAM HOC 2019-2020 THANH PHO HO CHI MINH Mon: Xff LY ANH CONG NGHlEP KHOA CO KHI CHE TAO MAY MS mon hoc: IIPR422529 Be so: 01 Be thi co 02 trang BO MON C O DIENTtT Ng^ythi: 16/12/2019 Thai gian: 75 phut. Buoc phep su dung tai lieu giay Cau 1: (2d) Xay dung va cai dat thuat toan lam tang do net cua anh bang mat na Laplace. (1.5d) Tai sao mat na Laplace lai lam tang do net cua anh? (0.5d) Dap an: void Sharpen2(Mat imgin, Mat imgout) { Mat temp = Mat(imgin.size(),CV_32FCl); Mat w = (Mat_(3,3) « 1,1,1,1,-8,1,1,1,1); filter2D(imgin,temp,CV_32FC 1,w); int M - imgin.size().height; int N = imgin.size().width; int x, y; float r; for (x=0; x
Dap an: void RemoveSmallRice(Mat imgin, Mat imgout) { // B1 Mat wl = getStructuringElement(MORPH_ELLIPSE, Size(81, 81)); morphologyEx(imgin, imgout, MORPH_TOPHAT, w l); // B2 threshold(imgout, imgout, 50, 255, THRESH_BINARY | THRESH_OTSU); medianBlur(imgout, imgout, 3); // B3 int M = imgout.size().height; int N = imgout.sizeQ. width; int x, y, dem = 0; int r; int color = 150; for (x = 0; x < M; x++) for (y = 0; y < N; y++) { r = imgout.at(x, y); if (r == L - 1) { floodFill(imgout, Point(y, x), CV_RGB(color, color, color)); dem-H-; color++; } i/ // B4 int a[L]; for (r = 0; r < L; r++) a[r] = 0; for (x = 0; x < M; x++) for (y = 0 ;y < N ;y -H -) { r = imgout.at(x, y); if (r > 0) a[r]++; } int max = 0; for (r=0; r max) max = afr]; max = (int)(max*0.9); // B5 for (r = 0; r
if (a[r] > 0) dem++; for (x = 0; x < M; x++) for (y = 0; y < N; y++) { r = imgout.at(x, y); if (a[r] = 0) imgout.at(x, y) = 0; else imgout.at(x, y) = L - 1; } char s[5]; sprintf(s, "%d", dem); putText(imgout, s, Point(0, 30), CV_FONT HERSHEY SIMPLEX, 0.8, CV RGB(255, 255, 255)); return; Cau 3: (3d) Ta dinh nghTa mang na-ron chap dung de nhan dang 10 chu so viet tay co kfch thuoc 28x28 nhtr sau: def build(input_shape, classes): model = Sequential() # CONV => RELU =» POOL model.add(Conv2D(20, kerne l_size=5, padding=”same", input_shape=input_shape)) model.add(Activation("relu")) model.add(MaxPooling2D(pool_size=(2, 2), strides=(2, 2))) # CONV => RELU => POOL model.add(Conv2D(50, kernel_size=5, padding="same")) model.add(Activation("relu")) model.add(MaxPooling2D(pool_size:=(2, 2), strides=(2, 2))) # Flatten => RELU layers model. add(Flatten()) model.add(Dense(500)) model.add(Activation("relu")) # a softmax classifier model.add(Dense(classes)) model.add(Activation("softmax")) a. Hay ve so do khoi cua mang nof-ron chap tren. b. Cho biet so luong tham so cua cac bo loc trong cac lop chap (co tmh nut bias). c. Cho biet so luong trong so cua lap ket noi day du (co tinh nut bias) Dap an: Trang 3/5
activation_l (Activation) (None, 20, 28, 28) 0 uax_pooling2d_l (MaxPooling2 (None, 20, 14, 14) 0 conv2d_2 (Conv2D) (None, 50, 14, 14) 25050 activation_2 (Activation) (None, 50, 14, 14) 0 nax_pooling2d_2 (MaxPooling2 (None, 50, 7, 7) 0 flatten_l (Flatten) (None, 2450) 0 dense_l (Dense) (None, 500) 1225500 activation_3 (Activation) (None, 500) 0 dense_2 (Dense) (None, 10) activation_4 (Activation) (None, 10) Total params: 1,256,080 Cau 4: (2d) Given the input image and the filter shown in the following figure: 2 3 0 1 5 4 5 6 4 9 3 2 1 -2 7 8 9 5 0 1 0 0 -1 3 4 9 2 6 5 1 0 1 3 5 8 9 7 9 1 5 7 4 6 0 Trang 4/5
a. Determine the size of the output image if zero-padding is 0 and stride is 1. (0.5 points) b. Compute the output image as the convolution of the input image and the filter. (1.5 points) Dap an: a. Wout = (W-F+2P)/S + 1 = (6-3+2*0)/l + 1 = 4 , therefore the size of output image is 4x4 b. 8 16 4 -6 4 9 13 17 6 27 32 21 -8 13 14 -5 ------------------------ HET-------------------- Ghi chu: Can bo coi thi khong giai thick de thi. Ngay 23 thang 12 nam 2019 Thong qua bQ mon GV lam dap an (ky va ghi ro ho ten) (ky va ghi ro ho ten) / T I O Trang 5/5