Đáp án đề thi học kỳ I năm học 2018-2019 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

94
lượt xem 10
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Cùng tham khảo đáp án đề thi học kỳ I năm học 2018-2019 môn Xử lý ảnh công nghiệp sau đây để biết được cấu trúc đề thi, cách thức làm bài thi cũng như những dạng bài chính được đưa ra trong đề thi. Từ đó, giúp các bạn sinh viên có kế hoạch học tập và ôn thi hiệu quả.

Chủ đề:

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

Lưu

Nội dung Text: Đáp án đề thi học kỳ I năm học 2018-2019 môn Xử lý ảnh công nghiệp - ĐH Sư phạm Kỹ thuật

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT ĐÁP ÁN CUỐI KỲ HK I NĂM HỌC 2018-2019 THÀNH PHỐ HỒ CHÍ MINH Môn: XỬ LÝ ẢNH CÔNG NGHIỆP KHOA CƠ KHÍ CHẾ TẠO MÁY Mã môn học: IIPR422529 ------------------------------- BỘ MÔN CƠ ĐIỆN TỬ ------------------------- Câu 1: (3đ) Xây dựng và cài đặt thuật toán cân bằng histogram tự động. (2đ) Tại sao cân bằng histogram lại làm cho ảnh đẹp hơn? (1đ) Đáp án: Mục đích của cân bằng histogram là làm cho histogram đồng đều. Khi đó ta làm tăng được độ tương phản của ảnh. Cân bằng histogram được cho bằng phương trình: r s=T(r)=(L-1)  p r ( w)dw 0 với pr(w) : Xác suất xảy ra mức xám w Trong xác suất, tích phân của hàm mật độ là hàm phân phối. Công thức trên có w là biến liên tục, ta không thể lập trình nó. Ta phải dùng công thức rời rạc: k sk=T(rk)=(L-1)  p r (r j ) j 0 với k= 0,1,2,…,L-1 void HistogramEqualization(Mat imgin, Mat imgout) { int M = imgin.size().height; int N = imgin.size().width; int x, y; int r, h[L]; for (r=0; r
s[k] *= L-1; } for (x=0; x
// 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++) { r = imgout.at(x, y); if (r > 0) a[r]++; } int max = 0; for (r=0; r max) max = a[r]; max = (int)(max*0.9); // B5 for (r = 0; 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; } Câu 3: (1.5đ) Given the deep learning convolutional neural networks shown in the following figure: Số hiệu: BM1/QT-PĐBCL-RĐTV Trang 3/5
a. Determine the number of parameters of filters (do not include the bias node) in the convolutional layers. (0.75 points) b. Determine the number of weights of the fully connected layer. (0.75 points) Answer: a. Convolution 1: 5x5x32 = 800 Convolution 2: 5x5x32x64 = 51.200 Sum: 800 + 51.200 = 52.000 parameters b. 7x7x64 = 3.132 3.132x1024 = 3.211.264 1.024x10 = 10.240 Sum: 3.211.264 + 10.240 = 3.221.504 weights Câu 4: (1.5đ) Given the input image and the filter shown in the following figure: Số hiệu: BM1/QT-PĐBCL-RĐTV Trang 4/5
a. Determine the size of the output image if zero-padding is 0 and stride is 2. (0.5 points) b. Compute the output image as the convolution of the input image and the filter. (1.0 points) Answer: a. Wout = (W-F+2P)/S + 1 = (7-3+2*0)/2 + 1 = 3, therefore the size of output image is 3x3 b. 108 126 144 288 306 324 468 486 504 -----------------------HẾT------------------- Ngày 14 tháng 1 năm 2019 Giáo viên Trần Tiến Đức Số hiệu: BM1/QT-PĐBCL-RĐTV Trang 5/5