„Számítógépes látórendszerek - Ellenőrző kérdések: Detektálás, Osztályozás” változatai közötti eltérés

A VIK Wikiből
2. sor: 2. sor:


== Mit jelent a detektálás/lényegkiemelés, illetve az osztályozás? Milyen nehézségekkel kerülünk szembe az egyes feladatok esetén? ==
== Mit jelent a detektálás/lényegkiemelés, illetve az osztályozás? Milyen nehézségekkel kerülünk szembe az egyes feladatok esetén? ==
=== Detektálás/lényegkiemelés ===
Bonyolultabb, érdekes képrészletek, objektumok azonosítása.


== Ismertesse a template matching algoritmust! Milyen transzformációk esetén biztosít invarianciát az algoritmus? ==
== Ismertesse a template matching algoritmust! Milyen transzformációk esetén biztosít invarianciát az algoritmus? ==

A lap 2015. június 5., 19:26-kori változata


Mit jelent a detektálás/lényegkiemelés, illetve az osztályozás? Milyen nehézségekkel kerülünk szembe az egyes feladatok esetén?

Detektálás/lényegkiemelés

Bonyolultabb, érdekes képrészletek, objektumok azonosítása.

Ismertesse a template matching algoritmust! Milyen transzformációk esetén biztosít invarianciát az algoritmus?

Mit jelent a gépi tanulás? Milyen típusai és tipikus feladatai vannak? Mi az a bináris klasszifikációs probléma és hogyan terjeszthető ki nem bináris esetre? Mit jelent a lineáris szétválaszthatóság?

Ismertesse a kNN algoritmust!

K Nearest Neighbork legközelebbi szomszéd Az osztályozandó példához legközelebb eső k tanító adatot vesszük figyelembe Az ő címkéjük alapján dönt az algoritmus az adott problémáról.

Ismertesse a Bayes hálók működését!

Ismertesse a percepton/neuron algoritmust! Hogyan terjeszthető ki nemlineáris esetre?

Ismertesse a Support Vector Machine (SVM) algoritmust! Hogyan terjeszthető ki nemlineáris esetre?

Mi a klaszterezés, mire jó? Ismertessen klaszterező algoritmusokat! Mi az erős és a gyenge hozzárendelés, és hogyan kapcsolódik az egyes algoritmusokhoz?

Mutassa be a főkomponens analízis (PCA) algoritmust!

Mi a mély tanulás és mire jó? Mutassa be a legfontosabb mély tanuló struktúrákat!

2015-ben nem kell!

Ismertesse a Bag of Words osztályozó algoritmus működési elvét! Milyen előnyei és hátrányai vannak más módszerekkel szemben?

Mutassa be a rész alapú (part based) detektorok működését! Milyen előnyöket és hátrányokat tud megemlíteni?