【测试】技能测试问题和答案:测试图像处理数据科学家的25个问题

1)将以下图像格式匹配到正确的频道数。 灰度 RGB I.1个通道

II.2个通道 III.3个通道 IV.4个通道 A)RGB – > I,灰度-> III B)RGB – > IV,灰度-> II C)RGB – > III,灰度 – > I D)RGB – > II,灰度 – > I

答案:C 灰度图像的每个像素都有一个数字(number),并被存储为m×n矩阵,而彩色图像的每个像素有3个数字(number) – 红,绿和蓝亮度(RGB)。

2)假设你必须旋转图像。图像旋转只通过特定矩阵对图像进行乘法,以获得新的变换图像。

为了简单起见,我们考虑将图像中的坐标(1,0)旋转到坐标(0,1),我们必须乘以下列哪个矩阵?

A)

B)

C)

D)

答案:C 计算将是这样的: [[0],[1]] = [[0,-1],[1,0]] x [1,0]

3)[判断对错]可以使用线性滤波器模糊图像。 A)对 B)错

答案:B 模糊比较过滤器中的相邻像素并使其平滑。为此,不能使用线性滤波器。

4)处理计算机视觉问题时,以下哪项是挑战? A)由于几何变化引起的变化(如位姿,比例等) B)由于光度因素的变化(如照明,表现等) C)图像遮挡 D)以上所有

答案:D 所有上述选项都是计算机视觉中的挑战。

5)假设给出了下面的图像。

我们的任务是分割图像中的对象。其中一个简单的方法是根据像素的强度来表示图像,并根据值对它们进行聚类。这样,我们得到了这种结构。

假设我们选择k-means聚类来解决问题,那么从强度图的肉眼检查来看,k的适当值是多少?

A)1 B)2 C)3 D)4

答案:C 将创建三个聚类:圆中的点,正方形中的点和这两个对象外的点。

6)

在此图像中,你可以找到标记为红色的边界。哪种不连续的形式形成了这种边界?

A)深度不连续性 B)表面颜色不连续性 C)光照不连续 D)以上都不是

答案:A 椅子和墙壁远离彼此,导致图像中的边界。

7)图像处理中的有限差分滤波器非常易受噪声影响。为了应对这种情况,可以使用以下哪些方法使噪声最小化? A)缩小取样图像 B)将图像从RGB转换为灰度 C)平滑图像 D)以上都不是

答案:C 平滑通过强迫像素更像相邻像素来减少噪音。

8)图像的宽度和高度为100×100。图像中的每个像素都可以具有灰度的颜色,即值。该图像需要多少空间用于存储? 注意:没有压缩。 A)2,5,600,000 B)25,60,000 C)2,56,000 D)8,00,000 E)80,000 F)8,000

答案:E 答案将为8x100x100,因为需要8比特来表示0-256的数字。

9)[判断对错]量化图像将减少存储所需的内存量。 A)对 B)错

答案:A 上述句子是正确的。

10)假设我们有一个灰度图像,该图像中大多数像素值相同。我们可以用什么来压缩图像的大小? A)在字典中编码具有相同值的像素 B)编码像素值的顺序 C)不能进行压缩

答案:A 编码相同的像素值将大大减少存储的大小

11)[判断对错] JPEG是一种有损图像压缩技术。

A)对 B)错

答案:A JPEG是有损压缩技术,原因是使用了量化。

12)给定图像只有2个像素并且每个像素有3个可能的值,可以形成图像直方图的数量是多少? A)3 B)6 C)9 D)12

答案:C 直方图的数量可能是9。

13)假设我们有一个1D图像,该图像的值为[2,5,8,5,2] 现在我们在大小为3的图像上应用平均滤波器。最后一秒像素的值是多少? A)值将保持不变 B)值会增加2 C)值将减少2 D)以上都不是

答案:A (8 + 5 + 2)/ 3等于5,所以没有变化。

14)fMRI(磁共振成像)是一种技术,在该技术中,当受试者随着时间的推移执行一些认知任务时,获得大脑的容积扫描。fMRI输出信号的维数是多少? A)1D B)2D C)3D D)以上都不是

答案:C 上述问题提到了“容积扫描”,所以它是一个3D扫描。

15)使用以下哪种方法作为边缘检测的模型拟合方法? A)SIFT B)高斯检测器的差异 C)RANSAC D)以上都不是

答案:C RANSAC用于在边缘检测中找到最佳拟合线。

16)假设我们有一个嘈杂的图像。图像中的这种噪声称为椒盐噪声。

[判断对错]中值滤波技术是图像降噪的最佳方法。 A)对 B)错

答案:A 中值滤波技术可以有效降低噪声。

17)如果我们用下面给出的矩阵来卷积图像,原始和修改后的图像之间是什么关系?

A)图像将向右移1像素 B)图像将向下移动1像素 C)图像将向左移动1像素 D)图像将向上移动1像素

答案:A

18)以下哪一个是锐化图像的正确方法? A)用单位矩阵卷积图像 从原始图像中减去结果图像 将上述结果添加回原始图像 B)平滑图像 从原始图像中减去平滑图像 将上述结果添加回原始图像 C)平滑图像 将该平滑图像添加回原始图像 D)以上都不是

答案:B 选项B是锐化图像的正确方法

19)下面给出的图像是信号执行两个操作。你能识别出是哪两个操作吗?

A)操作1是信号f和信号g之间的相关,而操作2是施加到信号f和信号g的卷积函数 B)操作1是施加到信号f和信号g的卷积函数,而操作2是信号f和信号g之间的相关

答案:A 相关和卷积是两种不同的方法,会得到不同的结果。卷积定义有多少信号重叠,而相关则试图找出信号之间的关系。

20)[判断对错]通过使用模板匹配以及相关性,可以构建电视遥控的视觉系统。 A)对 B)错

答案:A

这是计算机视觉中交叉相关的一个很好的例子。参考论文“交互式计算机图形的计算机视觉”作者W.Freeman等人。

21)假设你正在创建一个面部检测器,将选择以下哪些特征来创建面部检测器? 1.虹膜,眉毛和下巴的位置

2.布尔特征:是否微笑 3.脸的定向角 4.人是坐着还是站立 A)1,2 B)1,3 C)1,2,3 D)1,2,3,4

答案:B 选项1,3是问题的相关特征,但2,4可能不是。

22)以下哪一个是图像中低层次要素的示例? A)HOG B)SIFT C)HAAR特征 D)以上所有

答案:D 以上都是低层次要素的例子。

23)在颜色表的RGBA模式中,A代表什么? A)图像深度 B)颜色强度 C)图像的不透明度 D)以上都不是

答案:C 通过将A作为RGB中的第四个参数来引入不透明度。

24)在Otsu阈值技术中,通过不相关的阈值点来消除噪音,并保留不表示噪声的点。

在给出的图像中,你会将阈值放在哪一点上? A)A B)B C)C D)D

答案:B 直线B可以捕捉图像中的大部分噪音。

25)以下哪种数据扩充技术可以用于对象识别问题? A)水平翻转 B)尺度变换 C)图像缩放 D)以上所有

答案:D 以上所有的技术都可以用于数据扩充。

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

原文发表时间:2017-10-27

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

【PointCNN全面刷新测试记录】山东大学提出通用点云卷积框架

来源:arXiv 编辑:克雷格 【新智元导读】山东大学李扬彦、卜瑞、孙铭超、陈宝权研究团队近日研究提出的PointCNN是简单通用的点云特征学习架构,基于这一方...

4127
来自专栏数据科学与人工智能

【陆勤阅读】深度学习、自然语言处理和表征方法

简介 过去几年,深度神经网络在模式识别中占绝对主流。它们在许多计算机视觉任务中完爆之前的顶尖算法。在语音识别上也有这个趋势了。 虽然结果好,我们也必须思考……它...

28410
来自专栏专知

【深度干货】专知主题链路知识推荐#5-机器学习中似懂非懂的马尔科夫链蒙特卡洛采样(MCMC)入门教程01

【导读】主题链路知识是我们专知的核心功能之一,为用户提供AI领域系统性的知识学习服务,一站式学习人工智能的知识,包含人工智能( 机器学习、自然语言处理、计算机视...

3477
来自专栏机器学习算法全栈工程师

【TPAMI重磅综述】 SIFT与CNN的碰撞:万字长文回顾图像检索任务十年探索历程(上篇)

基于内容的图像检索任务(CBIR)长期以来一直是计算机视觉领域重要的研究课题,自20世纪90年代早期以来,研究人员先后设计了图像的全局特征,局部特征,卷积特征的...

764
来自专栏大数据文摘

手把手,74行代码实现手写数字识别

1574
来自专栏机器之心

读懂概率图模型:你需要从基本概念和参数估计开始

选自statsbot 作者:Prasoon Goyal 机器之心编译 参与:Panda 概率图模型是人工智能领域内一大主要研究方向。近日,Statsbot 团...

34011
来自专栏CDA数据分析师

使用 TensorFlow 和 Python 进行深度学习(附视频中字)

TensorFlow是谷歌研发的开源框架。本讲座介绍了如何使用TensorFlow创建深度学习应用程序,以及与其他Python机器学习库进行比较。 我叫Ian ...

1879
来自专栏机器学习算法与Python学习

特征工程技能图谱

关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 特征工程所涵盖的问题 本文主要想强调...

2764
来自专栏专知

方法总结:教你处理机器学习中不平衡类问题

【导读】在构建机器学习模型的时候,你是否遇到过类样本不平衡问题?本文就讨论一下如何解决不同程度的类样本不平衡问题。本文整理了数据科学研究者Devin Soni发...

4166
来自专栏机器之心

资源 | Distill详述「可微图像参数化」:神经网络可视化和风格迁移利器!

图像分类神经网络拥有卓越的图像生成能力。DeepDream [1]、风格迁移 [2] 和特征可视化 [3] 等技术利用这种能力作为探索神经网络内部原理的强大工具...

322

扫描关注云+社区