Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PP#3 III-U ABC Danny Yanchapanta VI Software 202351 3.6 4
PP#3 III-U ABC Danny Yanchapanta VI Software 202351 3.6 4
b) Para este tipo de ventanas candidatas será más conveniente el uso de modelos holísticos que
de DPMs.
d) Idealmente, con una sola ejecución del algoritmo tendremos simultáneamente los candidatos
para detectar distintos tipos de objetos, y a diferentes escalas.
Siguiendo los pasos de los algoritmos, y suponiendo que está en el primer recorrido y que se utiliza
conectividad a 8, explica cómo etiqueta los siguientes pasos, indicando qué afirmación es correcta.
NOTA: puede haber más de una.
A. En el caso (b), X tomará una etiqueta nueva
B. En el caso (d), X tomará una etiqueta nueva
C. En el caso (a), X tomará una etiqueta nueva
D. En el caso (b), las etiquetas E1 y E2 pasarán a ser equivalentes
E. En el caso (c), X tomará una etiqueta nueva
F. En el caso (a), X tomará la etiqueta E
G. En el caso (c), las etiquetas E1 y E2 pasarán a ser equivalentes
Y la medida de semejanza que se aplica es la correlación normalizada, calcula el valor que dará
el TM aplicado al caso (1), si para el caso (2) ha dado 255 después de ser re-escalado.
6 ∗ (255 ∗ 255)
𝑇𝑀(𝑥, 𝑦) =
√8 ∗ 2552 ∗ 6 ∗ 2552
𝑻𝑴(𝒙, 𝒚) = 𝟐𝟐𝟎. 𝟖𝟑
5. Indica cuál será el resultado de la convolución de la imagen, I, con los filtros, k1 y k2,
respectivamente.
A. 765 y -765
B. 765 y -255
C. 255 y -255
D. 3 y -1
Solución:
K1
K2
d) El algoritmo de refinación que hemos visto, devuelve una detección “promedio” para cada
grupo de pre-detecciones. Es decir, las detecciones no corresponden a un subconjunto de las
pre-detecciones.
7. Dadas las dos ventanas que se ven en la figura, indica qué afirmación es correcta:
A. Si usamos un histograma de códigos LBP para describir cada ventana, los histogramas de
estas dos ventanas son exactamente iguales.
B. La afirmación anterior solo es cierta si los códigos son de tipo LBP uniforme.
C. Si usamos un histograma de códigos LBP para describir cada ventana, los histogramas de
estas dos ventanas nos son exactamente iguales pero la diferencia es totalmente negligible.
D. La afirmación anterior solo es cierta si los códigos son de tipo LBP uniforme.
8. Dados los resultados de los tres clasificadores representados en colores, indica cuál será la
exactitud (accuracy) en cada uno de los casos. Cuál y porque de los clasificadores escogería:
1 punto
NOTA IMPORTANTE. El resultado debe indicarse según el siguiente orden: " Exactitud
Clasificador 1", " Exactitud Clasificador 2", " Exactitud Clasificador 3".
12 + 24
𝐸𝑥𝑎𝑐𝑡𝑖𝑡𝑢𝑑 𝐶𝑙𝑎𝑠𝑖𝑓𝑖𝑐𝑎𝑑𝑜𝑟 1 = = 0.69
(12 + 24 + 6 + 10)
14 + 23
𝐸𝑥𝑎𝑐𝑡𝑖𝑡𝑢𝑑 𝐶𝑙𝑎𝑠𝑖𝑓𝑖𝑐𝑎𝑑𝑜𝑟 2 = = 0.72
(12 + 23 + 6 + 10)
19 + 25
𝐸𝑥𝑎𝑐𝑡𝑖𝑡𝑢𝑑 𝐶𝑙𝑎𝑠𝑖𝑓𝑖𝑐𝑎𝑑𝑜𝑟 3 = = 0.84
19 + 25 + 5 + 3
9. Supongamos que el descriptor de esta ventana, de 64x128 píxeles, se basa en calcular códigos
LBP y tiene dimensión 1888, es decir, se utilizan 1888 características para describirla.
Indica qué afirmación es correcta:
A. Usamos LBP uniforme y hemos creado bloques no solapados de 16x16 píxeles, entonces
hemos calculado el histograma de códigos de cada bloque y los hemos concatenado todos.
B. Usamos LBP no uniforme y hemos creado bloques no solapados de 32x32 píxeles, entonces
hemos calculado el histograma de códigos de cada bloque y los hemos concatenado todos
D. El descriptor consiste en concatenar los códigos LBP de todos los píxeles de la ventana.
b) El peatón “A” se detectará en un nivel de la pirámide más bajo que el peatón “B”.
c) El tamaño (altura y anchura) de la ventana que detecta al peatón “A”, está más cercano al
tamaño canónico que el tamaño de la ventana que detecta al peatón “B”.
d) El tamaño (altura y anchura) de la ventana que detecta al peatón “B”, está más cercano al
tamaño canónico que el tamaño de la ventana que detecta al peatón “A”.