Examen-VA-GII-Preguntas Test-Junio 2016-2 Solución PDF

Preview

Summary

Nombre: Apellidos:Normas:  La duración total del examen total es de 1 hora y 15 minutos.  El examen consta de 20 preguntas tipo test.  Cada respuesta acertada puntúa 0,5 puntos y las respuestas incorrectas restan 0,125 puntos.  Hay que obtener 5 puntos para aprobar el examen.  Rodear la opción ...

Description

Visión Artificial (GII – Vicálvaro) Nombre:

Examen Final Test: Convocatoria Junio 2016

(20-6-16)

Apellidos:

Normas:  La duración total del examen total es de 1 hora y 15 minutos.  El examen consta de 20 preguntas tipo test.  Cada respuesta acertada puntúa 0,5 puntos y las respuestas incorrectas restan 0,125 puntos.  Hay que obtener 5 puntos para aprobar el examen.  Rodear la opción correcta con un círculo.

1. Cuál de las siguientes afirmaciones es verdadera respecto al modelo de lente fina: a) La lente fina sirve para filtrar las imágenes de entrada b) La distancia del eje principal de la lente respecto al foco se conoce como campo de apertura normal. c) La lente fina es un modelo simplificado de la realidad que sirve para hacer cálculos. d) La lente fina permite hacer búsqueda de bordes sobre la imagen. 2. Cuál de las siguientes afirmaciones es correcta respecto al histograma de una imagen en niveles de gris: a) Permite umbralizar la imagen. b) Permite calcular la derivada de la imagen. c) Sólo tiene sentido para imágenes en RGB. d) Se suele utilizar junto a una máscara de convolución para suavizado.

3. Para buscar las líneas centrales de la carretera en la imagen adjunta ¿Cuál de las siguientes máscaras de convolución es la más adecuada?

1

0

-1

1

2

1

1

1

1

1

0

0

2

0

-2

2

4

2

0

0

0

0

1

0

1

0

-1

1

2

1

-1

-1

-1

0

0

1

a)

b)

c)

d)

4. Para umbralizar una imagen en OpenCV: a) Se puede usar el operador > sobre la imagen. b) Se puede usar el operador < sobre la imagen.. c) Se puede usar la función cv2.threshold. d) Todas las respuestas anteriores son correctas.

URJC – GII – Visión Artificial (4º) - Curso 2014/15 – Examen mayo 2015

Pág. 1 de 5

Visión Artificial (GII – Vicálvaro) Nombre:

Examen Final Test: Convocatoria Junio 2016

(20-6-16)

Apellidos:

5. La transformada de Fourier utilizada para el filtrado de imágenes: a) Permite separar dos clases Gaussianas perfectamente. b) Permite realizar la detección de esquinas FAST con gran rapidez. c) Permite encontrar la ecuación de las líneas de la imagen. d) Permite realizar menos computo que el filtrado en el dominio de la imagen (mediante una convolución) si la máscara es muy grande. 6. Sean las figuras de la fila superior, una imagen binaria y un elemento estructurante, respectivamente.

Las figuras de la fila inferior representan respectivamente (de izquierda a derecha) los siguientes resultados de operaciones morfológicas entre la imagen binaria y el elemento estructurante: a) Erosión, dilatación, apertura y cierre. b) Cierre, dilatación, apertura y erosión. c) Dilatación, cierre, apertura y erosión. d) Cierre, dilatación, erosión y apertura.

7. Una imagen I, definida en OpenCV con tipo np.uint8 e I.shape=(20, 30, 3) ocupa: a) 2000 bytes. b) 6000 bytes. c) 250 bytes. d) 1800 bytes. e) 750 bytes.

URJC – GII – Visión Artificial (4º) - Curso 2014/15 – Examen mayo 2015

Pág. 2 de 5

Visión Artificial (GII – Vicálvaro) Nombre:

Examen Final Test: Convocatoria Junio 2016

(20-6-16)

Apellidos:

8. Dada la siguiente imagen de 9 píxeles (en niveles de gris):

10 138 300 110 200 229 100 29 120 Al umbralizar con valor de umbral 64 ¿cuál será el resultado correcto? 255 255 255

0

255 255

255 255 255

0

255 255

255 255 255

0

a)

0

0

0

255 255

0

0

0

255 255 255

0

0

0

255

0

0

0

b)

0

255

c)

d)

9. Para encontrar bordes es conveniente suavizar antes de realizar la derivada de la imagen. Dadas las siguientes máscaras: 1

0

-1

1

2

1

1

1

1

1

0

0

2

0

-2

2

4

2

0

0

0

0

1

0

1

0

-1

1

2

1

-1

-1

-1

0

0

1

(1)

(2)

(3)

(4)

Si se aplican las máscaras en el orden marcado, ¿cuál será el orden correcto de aplicación de las máscaras para detectar bordes horizontales (líneas horizontales en la imagen)? a) Primero (4) y luego (1) b) Primero (3) y luego (2) c) Primero (1) y luego (4) d) Primero (2) y luego (3) 10. Sea M una máscara de convolución e I una imagen en niveles de gris:

1

2

1

100 100 100

2

4

2

100

1

2

1

100 100 100

0

100

M I Al aplicar la máscara M sobre el pixel central de la imagen I, y dividir el resultado por 16, se obtendrá: a) 1200 b) 100 c) 75 d) 50 URJC – GII – Visión Artificial (4º) - Curso 2014/15 – Examen mayo 2015

Pág. 3 de 5

Visión Artificial (GII – Vicálvaro) Nombre:

Examen Final Test: Convocatoria Junio 2016

(20-6-16)

Apellidos:

11. Sea la siguiente imagen binaria I, donde los píxeles con valor ‘1’ pertenecen a objetos y los píxeles con valor ‘0’, al fondo. El número de componentes conexas existentes en I, para conectividad de 4vecinos, es: 0 1 0 0 0 0 1 1 1 0 0 0 0 0 1 0 1 0 0 1 0 1 1 1 1 0 1 0 0 1 0 0 0 0 1 0 0 1 1 0 0 1 1 0 1 1 1 0 0 1 0 0 1 1 0 1 a) b) c) d)

5 9 7 No es ninguno de los valores anteriores.

12. El detector de puntos de interés de SIFT, a) Permite detectar esquinas como el de Harris. b) Se centra en detectar regiones de alto contraste. c) Se centra en detectar segmentos. d) Permite encontrar la ecuación de la recta que lo contiene. 13. Cuál de las siguientes afirmaciones es incorrecta respecto al descriptor asociado al punto de interés P: a) Permite distinguir a ese punto de interés de otro. b) Es un vector de números extraídos de la de la imagen en la vecindad de P. c) Es deseable que sea invariante a rotaciones y cambios de escala. d) Debe tener en cuenta el tamaño de la imagen sobre la que se calcula.. 14. La proyección perspectiva de 3D a 2D preserva las líneas rectas y la forma de los objetos: a) Siempre las líneas rectas y a veces las formas de los objetos. b) A veces las líneas rectas y siempre las formas de los objetos. c) A veces las líneas rectas y nunca las formas de los objetos. d) Ninguna de las tres respuestas anteriores es correcta. 15. ¿Qué contiene la matriz misterio tras la ejecución de este código?: I = cv2.imread('lena.jpg') Misterio = (I - 128.0) / 2.0 a) La imagen normalizada a valores entre -1 y 1. b) La imagen normaliza a valores entre -64 y 64. c) La imagen normaliza a valores entre 0 y 255. d) La imagen normaliza a valores entre -128 y 128. 16. El número de parámetros del algoritmo de la transformada de Hough para detectar círculos es ___ y para detectar líneas rectas es ___ , respectivamente. a) 2, 2 b) 3, 3 c) 3, 2 d) 2, 3 URJC – GII – Visión Artificial (4º) - Curso 2014/15 – Examen mayo 2015

Pág. 4 de 5

Visión Artificial (GII – Vicálvaro) Nombre:

Examen Final Test: Convocatoria Junio 2016

(20-6-16)

Apellidos:

17. Indique cual de los siguientes afirmaciones no es correcta: a) Existe un tipo de clasificador denominado de Bayes o Bayesiano. b) Existe un tipo de clasificador basado en la distancia euclídea. c) Existe un tipo de clasificador basado en la distancia de Fourier. d) Existe un tipo de clasificador denominado en los k vecinos más cercanos. 18. Indique cuál de las siguientes clases no implementa un clasificador en OpenCV: a) cv2.NormalBayesClassifier b) cv2.Knearest c) cv2.EM d) cv2.EMKT 19. Un clasificador de distancia euclídea permite: a) Construir fronteras lineales y no lineales entre clases. b) Construir fronteras lineales entre clases. c) Realizar clasificación no supervisada. d) Ninguna de las respuestas anteriores son correctas. 20. Sea una muestra de vectores de características bidimensionales pertenecientes a dos clases, representadas en la siguiente figura usando cuadrados y aspas, respectivamente.

Teniendo en cuenta los clasificadores vistos en la asignatura: a) Los datos son separables linealmente y el clasificador más adecuado es el basado en distancias euclídeas. b) Los datos no son separables linealmente y el clasificador más adecuado es el bayesiano con una Gaussiana por clase. c) Los datos no son separables linealmente y el clasificador más adecuado es el basado en distancias euclídeas. d) Los datos no son separables linealmente y el clasificador más adecuado es el basado en K vecinos más próximos (KNN)

URJC – GII – Visión Artificial (4º) - Curso 2014/15 – Examen mayo 2015

Pág. 5 de 5...