Đang tải... (xem toàn văn)
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.
RU'CSNG DAI HOC SU' PHAM KY THUAT THANH PHO HO CHI MINH KHOA CO KHI CHE TAO MAY BO MON C O DIENTtT DAP AN CUOI KY HK I NAM HOC 2019-2020 Mon: Xff LY ANH CONG NGHlEP MS mon hoc: IIPR422529 Be so: 01 Be thi co 02 trang 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 net cua anh bang mat na Laplace (1.5d) Tai mat na Laplace lai lam tang 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; x 0) a[r]++; } int max = 0; for (r=0; r max) max = afr]; max = (int)(max*0.9); // B5 for (r = 0; 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 khoi cua mang nof-ron chap tren b Cho biet so luong tham so cua cac bo loc cac lop chap (co tmh nut bias) c Cho biet so luong so cua lap ket noi day du (co tinh nut bias) Dap an: Trang 3/5 activation_l (Activation) (None, 20, 28, 28) uax_pooling2d_l (MaxPooling2 (None, 20, 14, 14) conv2d_2 (Conv2D) (None, 50, 14, 14) 25050 activation_2 (Activation) (None, 50, 14, 14) nax_pooling2d_2 (MaxPooling2 (None, 50, 7, 7) flatten_l (Flatten) (None, 2450) dense_l (Dense) (None, 500) 1225500 activation_3 (Activation) (None, 500) 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: 3 5 9 9 5 -2 0 -1 1 Trang 4/5 a Determine the size of the output image if zero-padding is and stride is (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 = is 4x4 b -8 (W-F+2P)/S + = (6-3+2*0)/l + = , therefore the size of output image 16 27 13 13 32 14 -6 17 21 -5 HET -Ghi chu: Can bo coi thi khong giai thick de thi Ngay 23 thang 12 nam 2019 Thong qua bQ mon (ky va ghi ro ho ten) GV lam dap an (ky va ghi ro ho ten) T I Trang 5/5 / O ... (2d) Given the input image and the filter shown in the following figure: 3 5 9 9 5 -2 0 -1 1 Trang 4/5 a Determine the size of the output image if zero-padding is and stride is (0.5 points) b... 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... 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,