點(diǎn)擊上方“AI算法與圖像處理”，選擇加"星標(biāo)"或“置頂”

重磅干貨，第一時(shí)間送達(dá)
來(lái)源：深度學(xué)習(xí)與計(jì)算機(jī)視覺(jué)

介紹

從非結(jié)構(gòu)化數(shù)據(jù)中提取有用的信息一直是研究界極為關(guān)注的話題。圖像就是一種這樣的非結(jié)構(gòu)化數(shù)據(jù)，圖像數(shù)據(jù)分析在商業(yè)的各個(gè)方面都有應(yīng)用。

此技能測(cè)試是專門為你設(shè)計(jì)的，旨在測(cè)試你如何處理圖像數(shù)據(jù)的知識(shí)，重點(diǎn)是圖像處理。300多人報(bào)名參加了考試，如果你是錯(cuò)過(guò)這項(xiàng)技能測(cè)試的人之一，那么這篇文章為你介紹了問(wèn)題和對(duì)應(yīng)的解決方案。

這是參加考試的參與者的排行榜。

https://datahack.analyticsvidhya.com/contest/image-skilltest/lb

有用的資源

這里有一些資源可以深入了解該主題。

機(jī)器學(xué)習(xí)算法的要點(diǎn)（帶有Python和R代碼）

https://www.analyticsvidhya.com/blog/2017/09/common-machine-learning-algorithms/

Python圖像處理的基礎(chǔ)

https://www.analyticsvidhya.com/blog/2014/12/image-processing-python-basics/

技能測(cè)試問(wèn)答

1）將以下圖像格式匹配到正確的通道數(shù)

灰度
RGB

I. 1個(gè)通道 II. 2個(gè)通道 III. 3個(gè)通道 IV. 4個(gè)通道

A）RGB-> I，灰度-> III B）RGB-> IV，灰度-> II C）RGB-> III，灰度-> I D）RGB-> II，灰度-> I

解決方案：C

灰度圖像每個(gè)像素有一個(gè)數(shù)字，并以m×n矩陣形式存儲(chǔ)，而彩色圖像每個(gè)像素有3個(gè)數(shù)字——紅色，綠色和藍(lán)色（RGB）

2）

假設(shè)你必須旋轉(zhuǎn)圖像。圖像旋轉(zhuǎn)不過(guò)是圖像乘以特定矩陣以獲得新的變換圖像而已。

為簡(jiǎn)單起見(jiàn)，我們考慮將圖像中的一個(gè)點(diǎn)以（1，0）的坐標(biāo)旋轉(zhuǎn)到（0，1）的坐標(biāo)，我們必須將以下哪個(gè)矩陣相乘？

A）

B）

C）

D）

解決方案：C

此計(jì)算是這樣的：[ [0]，[1] ] = [ [0，-1]，[1，0] ] x [1，0]

3）[對(duì)或錯(cuò)]要使圖像模糊，可以使用線性濾波器

A）對(duì) B）錯(cuò)

解決方案：B

模糊比較濾波器中相鄰像素并使其平滑，因此不能使用線性濾波器。

4）以下哪項(xiàng)是處理計(jì)算機(jī)視覺(jué)問(wèn)題時(shí)可能遇到的挑戰(zhàn)？

A）由于幾何變化（如姿勢(shì)，比例等）而引起的變化 B）由于光度因數(shù)（如照明，外觀等）而引起的變化 C）圖像遮擋 D）以上全部

解決方案：D

上述所有選項(xiàng)都是計(jì)算機(jī)視覺(jué)中的挑戰(zhàn)

5）假設(shè)下面有一張圖片。

我們的任務(wù)是分割圖像中的對(duì)象。一種簡(jiǎn)單的方法是用像素的強(qiáng)度表示圖像，然后根據(jù)值對(duì)它們進(jìn)行聚類。通過(guò)這樣做，我們得到了這種類型的結(jié)構(gòu)。

假設(shè)我們選擇k-均值聚類來(lái)解決問(wèn)題，直接觀察，檢查強(qiáng)度圖，k的值是多少比較合適？

A）1 B）2 C）3 D）4

解決方案：C

將形成三個(gè)集群，圓中的點(diǎn)，方形中的點(diǎn)以及不包括這兩個(gè)對(duì)象的點(diǎn)

6）

在此圖像中，你可以找到標(biāo)記為紅色區(qū)域的邊。哪種不連續(xù)形式會(huì)產(chǎn)生這種優(yōu)勢(shì)？

A）深度不連續(xù) B）表面顏色不連續(xù) C）照明不連續(xù) D）以上都不是

解決方案：A

椅子和墻壁離得很遠(yuǎn)，造成了圖像的邊緣。

7）圖像處理中的有限差分濾波器非常容易受到噪聲的影響，為了解決這個(gè)問(wèn)題，可以使用以下哪種方法使噪聲造成的失真最小？

A）對(duì)圖像進(jìn)行下采樣 B）將圖像從RGB轉(zhuǎn)換為灰度 C）平滑圖像 D）以上都不是

解決方案：C

平滑通過(guò)迫使像素更像其鄰居來(lái)幫助減少噪聲

8）考慮將圖像的寬度和高度設(shè)置為100×100，圖像中的每個(gè)像素可以具有灰度的顏色。該圖像需要多少空間存儲(chǔ)？

注意：不執(zhí)行壓縮。

A）2,56,00,000 B）25,60,000 C）2,56,000 D）8,00,000 E）80,000 F）8,000

解決方案：E

答案將是8x100x100，因?yàn)樾枰?位代表0-256之間的數(shù)字

9）[對(duì)或錯(cuò)]量化圖像會(huì)減少存儲(chǔ)所需的內(nèi)存量。

A）對(duì) B）錯(cuò)

解決方案：A

給出的陳述是正確的。

10）假設(shè)我們有一個(gè)灰度圖像，大多數(shù)像素值是相同的，我們可以使用什么來(lái)壓縮圖像的大?。?/span>

A）在字典中對(duì)具有相同值的像素進(jìn)行編碼 B）對(duì)像素的值序列進(jìn)行編碼 C）無(wú)法進(jìn)行壓縮

解決方案：A

編碼相同的像素值將大大減小存儲(chǔ)空間

11）[對(duì)或錯(cuò)] JPEG是一種有損圖像壓縮技術(shù)

A）對(duì) B）錯(cuò)

解決方案：A

JPEG之所以成為有損壓縮技術(shù)，是因?yàn)槭褂昧肆炕?/span>

12）給定一個(gè)只有2個(gè)像素和每個(gè)像素3個(gè)可能值的圖像，可以形成的圖像直方圖的數(shù)量是多少？

A）3 B）6 C）9 D）12

解決方案：C

直方圖的可能排列為9。

13）假設(shè)我們有一維圖像，其值為[2、5、8、5、2]

現(xiàn)在，我們對(duì)該尺寸為3的圖像應(yīng)用平均濾波器，最后第二個(gè)像素的值是多少？

A）值將保持不變 B）值將增加2 C）值將減少2 D）以上都不是

解決方案：A

（8 + 5 + 2）/ 3將變?yōu)?，因此不會(huì)有任何變化。

14）fMRI（功能磁共振成像）是一項(xiàng)技術(shù)，在受試者隨時(shí)間執(zhí)行某些認(rèn)知任務(wù)時(shí)，可以獲取大腦的容積掃描。fMRI輸出信號(hào)的維數(shù)是多少？

A）1D B）2D C）3D D）以上都不是

解決方案：D

該問(wèn)題本身提到了隨著時(shí)間的推移“容積掃描”，因此它將是一系列3D掃描

15）以下哪種方法用作邊緣檢測(cè)的模型擬合方法？

A）SIFT B）高斯檢測(cè)器的差異 C）RANSAC D）以上都不是

解決方案：C

RANSAC用于在邊緣檢測(cè)中找到最佳擬合線

16）假設(shè)我們有一個(gè)嘈雜的圖像，圖像中的這種噪聲稱為椒鹽噪聲

[對(duì)或錯(cuò)]中值濾波技術(shù)是對(duì)圖像進(jìn)行去噪的最佳方法 A）對(duì) B）錯(cuò)

解決方案：A

中值濾波技術(shù)有助于將噪聲充分降低

17）如果將圖像與下面給出的矩陣卷積，則原始圖像和修改后的圖像之間的關(guān)系是什么？

A）圖像將向右移動(dòng)1個(gè)像素 B）圖像將向下移動(dòng)1個(gè)像素 C）圖像將向左移動(dòng)1個(gè)像素 D）圖像將向上移動(dòng)1個(gè)像素

解決方案：A

我建議你自己嘗試一下，看看結(jié)果！

18）以下哪一種是銳化圖像的正確方法？

A）

用單位矩陣對(duì)圖像進(jìn)行卷積
從原始圖像中減去此結(jié)果圖像
將此減去的結(jié)果加回原始圖像

B）

平滑圖像
從原始圖像中減去此平滑圖像
將此減去的結(jié)果加回原始圖像

C）

平滑圖像
將此平滑后的圖像添加回原始圖像

D）以上都不是

解決方案：B

選項(xiàng)B提供了一種銳化圖像的正確方法

19）下面給出的圖像是對(duì)信號(hào)執(zhí)行的兩項(xiàng)操作，你能識(shí)別出哪個(gè)？

A）操作1是信號(hào)f和信號(hào)g之間的互相關(guān)，而操作2是應(yīng)用于信號(hào)f和信號(hào)g的卷積函數(shù) B）操作2是信號(hào)f和信號(hào)g之間的互相關(guān)，而操作1是應(yīng)用于信號(hào)f和信號(hào)g的卷積函數(shù)

解決方案：A

相關(guān)和卷積是兩種不同的方法，結(jié)果不同。卷積定義了信號(hào)重疊的程度，而相關(guān)則試圖找到信號(hào)之間的關(guān)系

20）[對(duì)與錯(cuò)]通過(guò)使用模板匹配和互相關(guān)，可以構(gòu)建用于電視遙控器的視覺(jué)系統(tǒng)

A）對(duì) B）錯(cuò)

解決方案：

這是計(jì)算機(jī)視覺(jué)中互相關(guān)的一個(gè)很好的例子。參見(jiàn)論文“Computer Vision for Interactive Computer Graphics”，W.Freeman et al，IEEE計(jì)算機(jī)圖形學(xué)和應(yīng)用。

21）假設(shè)你正在野外創(chuàng)建一個(gè)面部檢測(cè)器，你將選擇以下哪些功能來(lái)創(chuàng)建強(qiáng)大的面部檢測(cè)器？

虹膜，眉毛和下巴的位置
布爾特征：該人是否在微笑
臉部方位角
人是坐著還是站著

A）1，2 B）1，3 C）1，2，3 D）1，2，3，4

解決方案：B

選項(xiàng)1、3是解決該問(wèn)題的相關(guān)功能，但是2、4可能不是

22）以下哪個(gè)是圖像特征提取中的低層次特征的示例？

A）HOG B）SIFT C）HAAR D）以上所有

解決方案：D

以上都是低級(jí)特征的示例

23）在RGBA模式的色彩表示中，A代表什么？

A）圖像深度 B）顏色強(qiáng)度 C）圖像不透明度 D）以上都不是

解決方案：C

不透明度可以通過(guò)將其作為RGB中的第四個(gè)參數(shù)來(lái)引入

24）在Otsu閾值化技術(shù)中，通過(guò)對(duì)不相關(guān)的點(diǎn)進(jìn)行閾值化并保留不代表噪聲的點(diǎn)來(lái)消除噪聲。

在給定的圖像中，你會(huì)在哪一點(diǎn)啟動(dòng)閾值？

A）A B）B C）C D）D

解決方案：B

線B將捕獲圖像中的大部分噪聲。

25）對(duì)于目標(biāo)識(shí)別問(wèn)題，你希望使用以下哪種數(shù)據(jù)增強(qiáng)技術(shù)？

A）水平翻轉(zhuǎn) B）重新縮放 C）放大圖像 D）以上全部

解決方案：D

所有提到的技術(shù)都可以用于數(shù)據(jù)擴(kuò)充。

總體分布

以下是參與者的分?jǐn)?shù)分布：

你可以在此處（https://datahack.analyticsvidhya.com/contest/image-skilltest/lb）訪問(wèn)分?jǐn)?shù)。參加技能測(cè)試的不只一個(gè)受挫的人，而且得分最高是22分。你呢？

參考鏈接：https://www.analyticsvidhya.com/blog/2017/10/image-skilltest/

下載1

在「AI算法與圖像處理」公眾號(hào)后臺(tái)回復(fù)：yolov4，即可下載?YOLOv4 trick相關(guān)論文

下載2

在「AI算法與圖像處理」公眾號(hào)后臺(tái)回復(fù)：OpenCV實(shí)戰(zhàn)項(xiàng)目20講，即可下載20個(gè)有趣的OpenCV實(shí)戰(zhàn)項(xiàng)目

個(gè)人微信（如果沒(méi)有備注不拉群！）
請(qǐng)注明：地區(qū)+學(xué)校/企業(yè)+研究方向+昵稱

一文囊括圖像處理25個(gè)高頻考點(diǎn)

重磅干貨，第一時(shí)間送達(dá)來(lái)源：深度學(xué)習(xí)與計(jì)算機(jī)視覺(jué)

有用的資源

技能測(cè)試問(wèn)答

總體分布

重磅干貨，第一時(shí)間送達(dá)
來(lái)源：深度學(xué)習(xí)與計(jì)算機(jī)視覺(jué)