Chủ đề của CPV301 - Thị giác máy tính

CPV301 - Phần 6: Căn chỉnh theo đặc trưng

Khối thứ sáu lo việc đưa hai ảnh về cùng một khung toạ độ. Cách làm không phải so trực tiếp từng pixel mà là phát hiện rồi so khớp một tập thưa các đặc trưng nổi bật như góc và biên, sau đó ước lượng phép biến đổi khớp nhất. Vì tập điểm so khớp luôn lẫn điểm sai, khối dành trọng tâm cho RANSAC: thuật toán chọn ngẫu nhiên một tập con tối thiểu, dựng mô hình từ đó, đếm số điểm còn lại nằm trong ngưỡng sai số cho trước, và lặp lại đủ nhiều lần để có xác suất thành công mong muốn. Số vòng lặp tối thiểu tính được từ tỉ lệ điểm nội lai và số mẫu mỗi vòng. Đây là công cụ xử lý điểm ngoại lai chứ không phải xử lý quá khớp. Các ứng dụng của căn chỉnh gồm dựng ảnh toàn cảnh, nhận dạng mẫu biểu, và so nhiều lần chụp cùng một mô ở các thời điểm khác nhau.

9 câu hỏi100% có giải thích
Một câu trong chủ đề này
AIteratively estimating a model from a subset of inliers
BMinimizing the sum of squared differences
CMaximizing mutual information between images
DEmploying kernel density estimation for feature matching
Lời giải
Ý tưởng nền của RANSAC là lặp lại việc ước lượng mô hình từ một tập con các điểm nội lai. Cực tiểu tổng bình phương sai lệch là bình phương nhỏ nhất; cực đại thông tin tương hỗ và ước lượng mật độ hạt nhân là kỹ thuật khác.
Mở trang câu hỏi này →

Bắt đầu bằng Chế độ học nếu bạn muốn đáp án và giải thích hiện ngay sau mỗi câu — không bấm giờ, dừng lúc nào cũng được. Chọn Thi thử khi muốn biết mình đang ở đâu: có bấm giờ, chấm điểm ở cuối, và giải thích chỉ mở sau khi nộp.

Học ngân hàng câu hỏi của chủ đề

Luyện tập theo chủ đề này

9Câu hỏi hiện có

Câu hỏi trong chủ đề

Câu 1 – 9 trong 9 câu
AIteratively estimating a model from a subset of inliers
BMinimizing the sum of squared differences
CMaximizing mutual information between images
DEmploying kernel density estimation for feature matching
Lời giải
Ý tưởng nền của RANSAC là lặp lại việc ước lượng mô hình từ một tập con các điểm nội lai. Cực tiểu tổng bình phương sai lệch là bình phương nhỏ nhất; cực đại thông tin tương hỗ và ước lượng mật độ hạt nhân là kỹ thuật khác.
Mở trang câu hỏi này →
ABy directly comparing pixel values between images
BBy detecting and matching a sparse set of features
CBy applying random transformations to the images
DBy segmenting the images into regions
Lời giải
Căn chỉnh theo đặc trưng phát hiện rồi so khớp một tập THƯA các đặc trưng, thay vì so từng pixel. So pixel trực tiếp là căn chỉnh trực tiếp; biến đổi ngẫu nhiên và phân vùng không phải cách căn chỉnh.
Mở trang câu hỏi này →
AIdentifying document templates
BGenerating panorama images
CComparing multiple scans of tissue taken at different times
DEnhancing scanned or photographed documents
Lời giải
Nâng chất lượng ảnh chụp hoặc quét tài liệu là việc của XỬ LÝ ảnh, không phải của căn chỉnh ảnh. Ba mục kia đều là ứng dụng thật: nhận dạng mẫu biểu, dựng ảnh toàn cảnh, và so nhiều lần chụp cùng một mô.
Mở trang câu hỏi này →
AOverfitting
BOutliers in the input data
CUnderfitting
DComputational complexity
Lời giải
RANSAC sinh ra để xử lý ĐIỂM NGOẠI LAI trong dữ liệu vào. Quá khớp và thiếu khớp là vấn đề của việc chọn mô hình; độ phức tạp tính toán là hệ quả chứ không phải bài toán nó giải.
Mở trang câu hỏi này →
AIt identifies and matches distinctive features (e.g., corners, edges) across images to achieve alignment.
BIt relies on manual user input to specify corresponding points between images for alignment.
CIt directly matches and aligns entire image regions without any processing.
DIt aligns images based on their overall brightness and color distributions.
Lời giải
Nguyên lý của căn chỉnh theo đặc trưng là phát hiện rồi so khớp các đặc trưng nổi bật như góc và biên giữa các ảnh. Lựa chọn B đòi thao tác tay; C là căn chỉnh trực tiếp; D dùng thống kê toàn cục.
Mở trang câu hỏi này →
AMinimizing the distortion within individual images
BMinimizing the number of matched features between images
CFinding a globally consistent set of alignment parameters
DFocusing on global details within the images
Lời giải
Mục tiêu của căn chỉnh toàn cục là tìm một bộ tham số căn chỉnh NHẤT QUÁN cho cả tập ảnh, thay vì ghép từng cặp rồi tích luỹ sai số. Ba lựa chọn kia đều mô tả mục tiêu cục bộ.
Mở trang câu hỏi này →
AIt estimates the parameter to deal with a large number of outliers
BIt generates candidate solutions by using the maximum number of data points required to estimate the underlying model parameters
CIt selects data items randomly and then find how many data items fit the model
DIf the tolerance is big enough, the algorithm will accept fit and exit with success
Lời giải
Mệnh đề SAI về RANSAC là 'sinh nghiệm ứng viên bằng SỐ ĐIỂM TỐI ĐA cần để ước lượng tham số'. RANSAC dùng số điểm TỐI THIỂU — đó chính là điểm cốt lõi giúp nó chịu được nhiều điểm ngoại lai.
Mở trang câu hỏi này →
A163254
B123465
C254613
D123654
Lời giải
Trình tự đúng là: ước lượng véc-tơ tham số (6), chọn ngẫu nhiên N điểm (1), đếm số điểm khớp trong ngưỡng là K (3), nếu K đủ lớn thì chấp nhận và thoát (2), lặp L lần (5), thất bại nếu tới đây (4) — tức dãy 1-6-3-2-5-4 theo cách đánh số của đề cho ra chuỗi 163254.
Mở trang câu hỏi này →
Alog(1-P)/log(1-p^k)
Blog(1-P)*log(1-p^k)
Clog[(1-P)(1-p^k)]
Dlog[(1-P)/(1-p^k)]
Lời giải
Số vòng lặp tối thiểu của RANSAC là log(1-P) chia cho log(1-p^k), với P là xác suất thành công mong muốn, p là tỉ lệ điểm nội lai và k là số mẫu mỗi vòng. Ba lựa chọn kia sai phép toán.
Mở trang câu hỏi này →

Đề có câu hỏi của chủ đề này

2 đề chứa ít nhất một câu thuộc chủ đề — mở đề để làm cả bộ, không chỉ từng câu.