Phân tích tư tưởng của nhân dân qua đoạn thơ: Những người vợ nhớ chồng… Những cuộc đời đã hóa sông núi ta trong Đất nước của Nguyễn Khoa Điềm
3436
1
0
9 trang
Đáp án đề kiểm tra học kỳ I năm học 2019-2020 môn Xử lý ảnh công nghiệp giúp cho các bạn sinh viên nắm bắt được cấu trúc đề thi, dạng đề thi chính để có kế hoạch ôn thi một cách tốt hơn. Tài liệu hữu ích cho các các bạn sinh viên đang theo học chuyên ngành Công nghệ thông tin và những ai quan tâm đến môn học này dùng làm tài liệu tham khảo.
Nội dung trích xuất từ tài liệu:
Đáp án đề kiểm tra học kỳ I năm học 2019-2020 môn Xử lý ảnh công nghiệp - ĐH Sư phạm Kỹ thuật
RU'CSNG DAI HOC SU' PHAM KY THUAT DAP AN CUOI KY HK I NAM HOC 2019-2020
THANH PHO HO CHI MINH Mon: Xff LY ANH CONG NGHlEP
KHOA CO KHI CHE TAO MAY MS mon hoc: IIPR422529
Be so: 01 Be thi co 02 trang
BO MON C O DIENTtT
Ng^ythi: 16/12/2019
Thai gian: 75 phut.
Buoc phep su dung tai lieu giay
Cau 1: (2d)
Xay dung va cai dat thuat toan lam tang do net cua anh bang mat na Laplace. (1.5d)
Tai sao mat na Laplace lai lam tang do net cua anh? (0.5d)
Dap an:
void Sharpen2(Mat imgin, Mat imgout)
{
Mat temp = Mat(imgin.size(),CV_32FCl);
Mat w = (Mat_(3,3) « 1,1,1,1,-8,1,1,1,1);
filter2D(imgin,temp,CV_32FC 1,w);
int M - imgin.size().height;
int N = imgin.size().width;
int x, y;
float r;
for (x=0; xDap an:
void RemoveSmallRice(Mat imgin, Mat imgout)
{
// B1
Mat wl = getStructuringElement(MORPH_ELLIPSE, Size(81, 81));
morphologyEx(imgin, imgout, MORPH_TOPHAT, w l);
// B2
threshold(imgout, imgout, 50, 255, THRESH_BINARY | THRESH_OTSU);
medianBlur(imgout, imgout, 3);
// B3
int M = imgout.size().height;
int N = imgout.sizeQ. width;
int x, y, dem = 0;
int r;
int color = 150;
for (x = 0; x < M; x++)
for (y = 0; y < N; y++)
{
r = imgout.at(x, y);
if (r == L - 1)
{
floodFill(imgout, Point(y, x), CV_RGB(color, color, color));
dem-H-;
color++;
}
i/
// 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 -H -)
{
r = imgout.at(x, y);
if (r > 0)
a[r]++;
}
int max = 0;
for (r=0; r max)
max = afr];
max = (int)(max*0.9);
// B5
for (r = 0; r if (a[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;
Cau 3: (3d)
Ta dinh nghTa mang na-ron chap dung de nhan dang 10 chu so viet tay co kfch thuoc 28x28
nhtr sau:
def build(input_shape, classes):
model = Sequential()
# CONV => RELU =» POOL
model.add(Conv2D(20, kerne l_size=5, padding=”same',
input_shape=input_shape))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2), strides=(2, 2)))
# CONV => RELU => POOL
model.add(Conv2D(50, kernel_size=5, padding='same'))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size:=(2, 2), strides=(2, 2)))
# Flatten => RELU layers
model. add(Flatten())
model.add(Dense(500))
model.add(Activation('relu'))
# a softmax classifier
model.add(Dense(classes))
model.add(Activation('softmax'))
a. Hay ve so do khoi cua mang nof-ron chap tren.
b. Cho biet so luong tham so cua cac bo loc trong cac lop chap (co tmh nut bias).
c. Cho biet so luong trong so cua lap ket noi day du (co tinh nut bias)
Dap an:
Trang 3/5
activation_l (Activation) (None, 20, 28, 28) 0
uax_pooling2d_l (MaxPooling2 (None, 20, 14, 14) 0
conv2d_2 (Conv2D) (None, 50, 14, 14) 25050
activation_2 (Activation) (None, 50, 14, 14) 0
nax_pooling2d_2 (MaxPooling2 (None, 50, 7, 7) 0
flatten_l (Flatten) (None, 2450) 0
dense_l (Dense) (None, 500) 1225500
activation_3 (Activation) (None, 500) 0
dense_2 (Dense) (None, 10)
activation_4 (Activation) (None, 10)
Total params: 1,256,080
Cau 4: (2d)
Given the input image and the filter shown in the following figure:
2 3 0 1 5
4 5 6 4 9 3 2 1 -2
7 8 9 5 0 1 0 0 -1
3 4 9 2 6 5 1 0 1
3 5 8 9 7 9
1 5 7 4 6 0
Trang 4/5
a. Determine the size of the output image if zero-padding is 0 and stride is 1. (0.5
points)
b. Compute the output image as the convolution of the input image and the filter. (1.5
points)
Dap an:
a. Wout = (W-F+2P)/S + 1 = (6-3+2*0)/l + 1 = 4 , therefore the size of output image
is 4x4
b.
8 16 4 -6
4 9 13 17
...
