[20380] Visió per Computador Prueba 2 (2013) Teoria (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada)
|
|
- Pablo Aguirre Córdoba
- hace 7 años
- Vistas:
Transcripción
1 [20380] Visió per Computador Prueba 2 (2013) Teoria (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada) 1. En cuál de estas posibles aplicaciones podríamos utilizar una característica global. a) Detector de piel. b) Categorización de imágenes. c) Detector de peatones. d) Reconstrucción 3D. 2. Cuál de estas afirmaciones se relaciona mejor con el concepto de esquina (corner). a) No hay cambios en todas las direcciones. b) No hay cambios en la dirección del contorno. c) Cambios significativos en la dirección del contorno. d) Cambios significativos en todas direcciones. 3. Si λ 1 y λ 2 son los valores propios del tensor estructural 2D. Qué requisitos se dan en las esquinas. a) λ 1 λ 2 o λ 2 λ 1 b) λ 1 y λ 2 grandes y similares. c) λ 1 y λ 2 pequeños y similares. d) λ 1 y λ 2 pequeños. 4. La respuesta R de Harris qué valor tiene para el caso de las esquinas. a) R = 0. b) R < 0. c) R positivo y pequeño. d) R positivo y grande. 5. Con estos dos vectores ( 1, 0, 1), (1, 2, 1) que detector podríamos construir. a) Canny b) Roberts. c) Prewitt. d) Sobel. 6. Cuál de estos pasos no se aplica en el algoritmo de Canny. a) Calculamos el gradiente con las derivadas de la gaussiana. b) Aplicamos la supresión de píxeles no máximos (adelgazamos contornos). c) Unión y binarización (aceptamos contornos superiores a un umbral conectados a contornos con un umbral superior). d) Buscamos los cruces por cero de la imagen derivada. 7. Cuál de estas afirmaciones mejor describe el proceso de detección de líneas con Hough (SLHT) si partimos de una imagen inicial genérica. a) Para cada punto calculamos sus coord. ρ, θ y votamos en un espacio de acumulación (ρ, θ).
2 b) Calculamos las coord. x, y de puntos seleccionados y votamos en un espacio de acumulación (ρ, θ). c) Calculamos las coord. ρ, θ de puntos seleccionados y votamos en un espacio de acumulación (x, y). d) Para cada punto calculamos sus coord. x, y y votamos en un espacio de acumulación (x, y). 8. Cuál de estas combinaciones son las utilizadas en el detector/descriptor de SIFT. a) DoG (diferencia de gaussianas)/histograma de orientaciones del gradiente. b) LoG (laplaciano del gaussiano)/histograma de orientaciones del gradiente. c) LoG/Relación entre sumas locales de la magnitud del gradiente de dos orientaciones. d) DoG/Relación entre sumas locales de la magnitud del gradiente de dos orientaciones. 9. Cuál de estos objetivos no lo atacaremos con una transformación geométrica. a) Poner en correspondencia puntos de dos imágenes para compararlas. b) Ver una determinada zona plana de una imagen desde otro punto de vista. c) Ajustar el histograma entre dos imágenes para que sean similares. d) Corregir la distorsión de barril generada por el sistema óptico. 10. Queremos hacer un ajuste con puntos de control con un polinomio de grado 1. Cuántos puntos linealmente independientes necesitaremos elegir en una de las imágenes como mínimo. a) 1 b) 2 c) 3 d) En una rotación de una imagen de 90 cuál de estas soluciones degradaría el resultado. a) Interpolación por el vecino más cercano. b) Interpolación Bilineal. c) Interpolación Bicúbica. d) Transposición y voltear (flip). 12. En una imagen tomada con una cámara con una focal de 15cm, vemos tres caras de un cubo de Rubik. Si queremos convertir cada una de las caras en un cuadrado, qué transformaciones necesitaremos. a) Tres homografías. b) Una combinación de Rotación, Escalado y Traslación. c) Tres combinaciones diferentes de Rotación, Escalado y Traslación. d) Una única homografía. 13. Queremos determinar el valor de umbral adecuado para una imagen con un histograma bimodal. Qué algoritmo utilizaremos. a) Algoritmo de Niblack. b) Algoritmo de Canny. c) Algoritmo de Sobel. d) Algoritmo de Otsu.
3 14. El algoritmo de Niblack consiste en: a) Para cada punto aplicar el algoritmo de Otsu sobre una pequeña ventana. b) Restar de la imagen el opening con un elemento estructurante. c) Sumar a la imagen el closing con un elemento estructurante. d) Ninguna de las anteriores. 15. En el algoritmo K-means la K hace referencia: a) al número de dimensiones del problema, por ejemplo para un problema de color la K=3. b) al número de iteraciones que queremos que se aplique en el proceso de promediado. c) al número de grupos que queremos obtener al final. d) a Andréi Komogórov, que fue quien lo propuso. 16. El algoritmo de etiquetado a) Se aplica a imagen binaria teniendo en cuenta la conectividad de los objetos presentes en la imagen. b) Genera una imagen binaria con las etiquetas: fondo=0, objetos=1. c) Si se aplica directamente a una imagen color se obtienen los objetos etiquetados por color. d) Es un algoritmo de clustering al que se le indica el número de objetos que hay en la imagen. 17. La clasificación de piel/no-piel planteada en problemas a partir de la entrada del usuario se englobaría dentro de un aprendizaje: a) supervisado. b) no supervisado. c) reforzado. d) manual. 18. En un espacio donde las variables aleatorias no están correlacionadas, la distancia de Mahalanobis equivale a la distancia: a) basada en la norma L 1 b) basada en la norma L c) basada en la norma L 2 d) a ninguna de las anteriores. 19. En el clasificador k-nn, la fase de training consiste en. a) Agrupar el conjunto de training en k clases. b) Almacenar los datos de training compuestos por muestras de un espacio k-dimensional. c) Reducir a k dimensiones un espacio de N N inicial d) Ninguna de las anteriores. 20. Cuál de las siguientes frases es falsa respecto del PCA a) Se utiliza para reducir la dimensionalidad. b) Se puede interpretar como una traslación y una rotación d los datos. c) Se puede obtener el PCA a partir de una descomposición de valores singulares. d) También se le conoce como SVM.
4 21. Cuál de las siguientes afirmaciones es cierta respecto del LDA. a) A diferencia del PCA, el LDA no está pensado para clasificar. b) El objetivo es minimizar la separación entre clases. c) Es la versión no lineal del PCA. d) Tiene en cuenta las etiquetas de las clases en la proyección. 22. Queremos hacer un proceso de Leave-one-out cross-validation con un conjunto de N muestras. a) equivale a hacer un 1-fold. b) equivale a hacer un 2-fold. c) equivale a hacer un N-fold. d) ninguno de los anteriores. 23. Que podemos decir de un clasificador si tenemos una matriz de confusión diagonal (sin valores fuera de la diagonal) si aplicamos este clasificador a datos reales. a) El clasificador es perfecto y por tanto los resultados con datos reales serán perfectos. b) Es previsible que el clasificador se porte bastante bien con los datos reales pero no podemos asegurar que sean exactos. c) El clasificador sólo resuelve los casos triviales y por tanto los resultados con datos reales serán de poca utilidad. d) Ninguno de los anteriores. 24. En una curva ROC tenemos el FPR en el eje horizontal (x) y TPR en el vertical (y). Cuál es el punto mejor para nuestro clasificador. a) (0,0) b) (1,0) c) (1,1) d) (0,1) 25. En la técnica del Bag of Words, cuál de sus cuatro pasos se basa en una etapa de clustering. a) Detección de características. b) Descripción de características. c) Creación del diccionario. d) Representación de los objetos. Apellidos: NIU:, DNI:, Nombre: a a a a a a a a a a a a a a a a a a a a a a a a a b b b b b b b b b b b b b b b b b b b b b b b b b B: c c c c c c c c c c c c c c c c c c c c c c c c c M: d d d d d d d d d d d d d d d d d d d d d d d d d :
5 [20380] Visió per Computador Prueba 2 (2013) Apellidos: NIU: Problemas (10p), DNI:, Nombre: 1. ((10/3)p) Implementa una rotación de una imagen un ángulo α, output input. 2. ((10/3)p) A partir de los puntos (1, 1), (2, 3) y (5, 0), (4, 4) que representan respectivamente puntos sobre rectas paralelas en la escena. Calcula el punto de fuga y obtén la homografía que permitirá deshacer la perspectiva.
6 3. ((10/6)p) Implementa un k-means para simplificar el número de colores de una imagen rgb a una paleta de 16 colores. 4. ((10/6)p) La salida de un clasificador binario nos da un vector p de N elementos donde cada posición es una probabilidad de pertenecer a la clase (valor entre 0 y 1). La primera mitad del vector está asociada a las muestras positivas y la segunda mitad a muestras negativas. Haz un pequeño código que represente una curva ROC a partir de este vector p.
El pipeline de visualización es el conjunto de
Sistemas de Visualización Pipeline de visualización 3D Definición del modelo geométrico Transformaciones geométricas Transformaciones de visualización Volumen de visualización Proyecciones Pipeline de
Más detallesDetección de bordes: metodos lineales de cálculo de gradientesk, etc. Detección de bordes. Métodos basados en operadores lineales de gradiente
Detección de bordes Métodos basados en operadores lineales de gradiente 1 Bordes Variaciones fuertes de la intensidad que corresponden a las fronteras de los objetos visualizados Métodos basados en el
Más detalles8 PROCESAMIENTO DIGITAL DE IMÁGENES USANDO MATLAB & SIMULINK RA-MA
ÍNDICE PRÓLOGO...19 CAPÍTULO 1. INTRODUCCIÓN...25 1.1 SISTEMA DE VISIÓN Y PROCESAMIENTO DE IMÁGENES...25 1.2 PROCESAMIENTO DIGITAL DE IMÁGENES...26 1.3 RELACIONES BÁSICAS ENTRE PÍXELES...27 1.3.1 Vecinos
Más detallesOPTIMIZACIÓN VECTORIAL
OPTIMIZACIÓN VECTORIAL Métodos de Búsqueda Directa Utilizan sólo valores de la función Métodos del Gradiente Métodos de Segundo Orden Requieren valores aproimados de la primera derivada de f) Además de
Más detallesDetección de bordes en una imagen.
Detección de bordes en una imagen. Departamento de Ingeniería electrónica, Telecomunicación y Automática. Área de Ingeniería de Sistemas y Automática OBJETIVOS: Utilizar distintas máscaras empleadas para
Más detallesGRADIENTE La laplaciana es un buen filtro paso alto, pero no es una buena herramienta para resaltar o detectar los bordes. En muchos casos, los bordes o límites de las figuras o de las regiones aparecen
Más detallesEstimación de homografías
Estimación de homografías Visión en Robótica 1er cuatrimestre de 2013 1 Introducción del problema Una homografía es una transformación proyectiva que determina una correspondencia entre puntos El problema
Más detallesGIMP, aplicaciones didácticas. Herramientas de GIMP
GIMP, aplicaciones didácticas. Herramientas de GIMP Ministerio de Educación. ITE GIMP, aplicaciones didácticas. GIMP, aplicaciones didácticas Herramientas Para ampliar: Transformación. Aerógrafo. Relleno.
Más detallesTécnicas de inteligencia artificial. Visión Artificial Visión 3D
Técnicas de inteligencia artificial Visión Artificial Visión 3D Indice Introducción Visión estéreo Introducción Cuando usamos una cámara, perdemos la información 3D x y z y x z y x Sin embargo, la información
Más detallesTema 4:Segmentación de imágenes
Tema 4:Segmentación de imágenes La segmentación de imágenes divide la imagen en sus partes constituyentes hasta un nivel de subdivisión en el que se aíslen las regiones u objetos de interés. Los algoritmos
Más detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detallesTécnicas Clásicas de Segmentación de Imagen
Técnicas Clásicas de Segmentación de Imagen Marcos Martín 21 de mayo de 2002 1. Introducción El primer paso en cualquier proceso de análisis de imagen es la segmentación. Mediante la segmentación vamos
Más detallesAlgebra Lineal Tarea No 22: Valores y vectores propios Solución a algunos problemas de la tarea (al 29 de junio de 2014)
Algebra Lineal Tarea No : Valores y vectores propios a algunos problemas de la tarea (al 9 de junio de 04. Para la matriz A A Indique cuáles vectores son vectores propios: ( ( ( v, v, v 3 3 Recordemos
Más detalles102784 [20380] Visió per Computador Prueba 1 (2015) [A] Teoría (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada)
102784 [20380] Visió per Computador Prueba 1 (2015) [A] Teoría (10p) (una pregunta test fallada descuenta 1/4 de pregunta acertada) 1. El gap del silicio es de 1.11eV (salto energético entre banda de valencia
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detallesAprendizaje basado en ejemplos.
Aprendizaje basado en ejemplos. In whitch we describe agents that can improve their behavior through diligent study of their own experiences. Porqué queremos que un agente aprenda? Si es posible un mejor
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesBloque temático: Sistemas de Reconocimiento de Patrones
Bloque temático: Sistemas de Reconocimiento de Patrones 1 Sistemas de Reconocimiento de Patrones PRACTICAS 6)Estudio de ejemplos en Matlab 7)Adquisición de imágenes reales: generación de una librería de
Más detallesCONTENIDOS Y CRITERIOS DE EVALUACIÓN MATEMÁTICAS 5º ED. PRIMARIA
CONTENIDOS Y CRITERIOS DE EVALUACIÓN MATEMÁTICAS 5º ED. PRIMARIA El cálculo y los problemas se irán trabajando y evaluando a lo largo de todo el año. 1ª EVALUACIÓN CONTENIDOS. o Los números de siete y
Más detallesSegmentación Basada en Bordes
Segmentación Basada en Bordes Detección de Puntos: Para detectar puntos en una imagen podemos usar una máscara como esta: -1-1 -1-1 8-1 -1-1 -1 Usarlo en Matlab sería muy sencillo: >> w = [-1-1 -1; -1
Más detallesTAREA N 3 OPERADORES DE DETECCIÓN DE BORDES
Universidad de Chile Facultad de Ciencias Físicas y Matemáticas Departamento de Ingeniería Eléctrica EL7007 Introducción al Procesamiento Digital de Imágenes TAREA N 3 OPERADORES DE DETECCIÓN DE BORDES
Más detallesModelización por medio de sistemas
SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES. Modelización por medio de sistemas d y dy Ecuaciones autónomas de segundo orden: = f ( y, ) Una variable independiente. Una variable dependiente. La variable
Más detallesPRUEBA ESPECÍFICA PRUEBA 2011
PRUEBA DE ACCESO A LA UNIVERSIDAD MAYORES PRUEBA ESPECÍFICA PRUEBA 011 PRUEBA SOLUCIONARIO Aclaraciones previas Tiempo de duración de la prueba: 1 hora Contesta cinco de los seis ejercicios propuestos.
Más detallesSistem as de ecuaciones lineales
Sistem as de ecuaciones lineales. Concepto, clasificación y notación Un sistema de m ecuaciones lineales con n incógnitas se puede escribir del siguiente modo: a x + a 2 x 2 + a 3 x 3 + + a n x n = b a
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3
ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2. Transformaciones ortogonales (Curso 2010 2011) 1. Se considera el espacio vectorial euclídeo IR referido a una base ortonormal. Obtener la expresión
Más detallesA continuación se presenta la información de la altura promedio para el año de 1998 en Holanda de hombres y mujeres jóvenes.
M150: Creciendo A) Presentación del problema LOS JOVENES CRECEN MAS ALTO A continuación se presenta la altura promedio para el año de 1998 en Holanda de hombres y mujeres jóvenes. B) Preguntas del problema
Más detalles1. dejar a una lado de la igualdad la expresión que contenga una raíz.
1. Resuelve las siguientes ecuaciones reales: Solución x 1 + x = 0 ; 3 x = 3 ; ln(x 1) + 4 = ln 3 Ecuaciones con raíces: No todas las ecuaciones de este tipo son sencillas de resolver, pero podemos intentar
Más detallesTeoría Tema 6 Ecuaciones de la recta
página 1/14 Teoría Tema 6 Ecuaciones de la recta Índice de contenido Base canónica en dos dimensiones como sistema referencial...2 Ecuación vectorial de la recta...4 Ecuación paramétrica de la recta...6
Más detallesProyecto. Tema 6 sesión 2: Generación de Rectas, Circunferencias y Curvas. Geometría Analítica. Isidro Huesca Zavaleta
Geometría Analítica Tema 6 sesión 2: Generación de Rectas, Circunferencias y Curvas Isidro Huesca Zavaleta La Integración de dos Ciencias La Geometría Analítica nació de la integración de dos ciencias
Más detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
Más detallesGeometría de las superficies
Geometría de las superficies Klette, schluns, koschan Computer vision: three dimensional data from images Cap 3 1 Representaciones funcionales Representación mediante una ecuación condicional para X e
Más detallesDISEÑO CURRICULAR ALGEBRA LINEAL
DISEÑO CURRICULAR ALGEBRA LINEAL FACULTAD (ES) CARRERA (S) Ingeniería Computación y Sistemas CÓDIGO HORAS TEÓRICAS HORAS PRÁCTICAS UNIDADES DE CRÉDITO SEMESTRE 122443 02 02 03 II PRE-REQUISITO ELABORADO
Más detallesPrograma de la asignatura. Horas. ASIGNATURA: Visión Artificial
ASIGNATURA: Visión Artificial Código: 126213031 Titulación: Ingeniero Técnico Industrial, esp. Electrónica Industrial Curso: 3º Profesor(es) responsable(s): - Miguel Pinzolas Prado - Juan López Coronado
Más detallesProcesamiento de imágenes con MATLAB
Procesamiento de imágenes con MATLAB MATLAB (abreviatura de MATrix LABoratory, "laboratorio de matrices") es un software matemático que ofrece un entorno de desarrollo integrado (IDE) con un lenguaje de
Más detallesIntroducción. Autoencoders. RBMs. Redes de Convolución. Deep Learning. Eduardo Morales INAOE (INAOE) 1 / 60
Deep Learning Eduardo Morales INAOE (INAOE) 1 / 60 Contenido 1 2 3 4 (INAOE) 2 / 60 Deep Learning El poder tener una computadora que modele el mundo lo suficientemente bien como para exhibir inteligencia
Más detallesVisión. Sesión 4: Búsqueda y tracking de modelos 2D en imágenes. Departamento CCIA http://www.jtech.ua.es/vision/2011/
Visión Sesión 4: Búsqueda y tracking de modelos 2D en imágenes Departamento CCIA http://www.jtech.ua.es/vision/2011/ Hoy Detección de aristas Transformada de Hough Componentes conectadas Alineación de
Más detallesRECONOCIMIENTO E IDENTIFICACIÓN DE LOGOTIPOS EN IMÁGENES CON TRANSFORMADA SIFT
UNIVERSIDAD CARLOS III DE MADRID ESCUELA POLITÉCNICA SUPERIOR INGENIERÍA TÉCNICA DE TELECOMUNICACIÓN (ESPECIALIDAD EN SONIDO E IMAGEN) PROYECTO FIN DE CARRERA RECONOCIMIENTO E IDENTIFICACIÓN DE LOGOTIPOS
Más detallesLentes Clasificación Se clasifican en dos grupos convergentes (positivas) y divergentes (negativas), las cuales a su vez pueden adoptar formas
Lentes Clasificación Se clasifican en dos grupos convergentes (positivas) y divergentes (negativas), las cuales a su vez pueden adoptar formas distintas. Estas geometrías de lentes tienen las siguientes
Más detalles4. ANÁLISIS DE FUNCIONES DE UNA VARIABLE
Análisis de funciones de una variable 49 4. ANÁLISIS DE FUNCIONES DE UNA VARIABLE En esta sección realizaremos algunos ejercicios sobre el estudio de funciones de una variable: En la parte final hay ejercicios
Más detallesGUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC)
GUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC) Curso Académico: 2015-2016 Programa: Centro: Universidad: Máster Universitario en Ingeniería Informática Escuela Politécnica Superior
Más detallesRepresentación de números enteros: el convenio exceso Z
Representación de números enteros: el convenio exceso Z Apellidos, nombre Martí Campoy, Antonio (amarti@disca.upv.es) Departamento Centro Informàtica de Sistemes i Computadors Escola Tècnica Superior d
Más detallesEstática. Equilibrio de un cuerpo rígido
Estática 5 Equilibrio de un cuerpo rígido Objectivos Escribir las ecuaciones de equilibrio de un cuerpo rígido. Concepto de diagrama de cuerpo libre para un cuerpo rígido. Resolver problemas de equilibrio
Más detallesParte 1. Esfuerzo. Deformación. Reología. Deformación
Geología Estructural 2012 Parte 1. Esfuerzo. Deformación. Reología. Deformación Definición de deformación (deformation). Cuatro aspectos de un sistema deformado (posición final, desplazamiento, camino
Más detallesSistemas de ecuaciones lineales
Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales Generalidades Definición [Sistema de ecuaciones lineales] Un sistema de m ecuaciones lineales con n incógnitas, es un conjunto de m igualdades
Más detallesCapítulo 3. 3. Marco Teórico.
Capítulo 3 3. Marco Teórico. La visión artificial o visión por computador se define como un área multidisciplinar que pretende, en cierta medida, reproducir artificialmente el sentido de la vista mediante
Más detallesPreparación para Álgebra 1 de Escuela Superior
Preparación para Álgebra 1 de Escuela Superior Este curso cubre los conceptos mostrados a continuación. El estudiante navega por trayectos de aprendizaje basados en su nivel de preparación. Usuarios institucionales
Más detallesCurso modular de Introducción a las Neurociencias
Curso modular de Introducción a las Neurociencias Módulo 2: Análisis Computacional de Neuro-Imágenes (MRI y fmri) Enzo Tagliazucchi Temas del Curso Introducción a la resonancia magnética. Introducción
Más detallesSISTEMAS DE ECUACIONES LINEALES. Método de reducción o de Gauss. 1º DE BACHILLERATO DPTO DE MATEMÁTICAS COLEGIO MARAVILLAS AUTORA: Teresa González.
SISTEMAS DE ECUACIONES LINEALES Método de reducción o de Gauss 1º DE BACHILLERATO DPTO DE MATEMÁTICAS COLEGIO MARAVILLAS AUTORA: Teresa González. SISTEMAS DE DOS ECUACIONES LINEALES CON DOS INCÓGNITAS.
Más detallesLicense Plate Detection using Neural Networks
License Plate Detection using Neural Networks Luis Carrera, Marco Mora Les Fous du Pixel Image Processing Research Group Department of Computer Science Catholic University of Maule http://www.lfdp-iprg.net
Más detallesEn este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del
33 En este capitulo se presentan los métodos y algoritmos utilizados para el desarrollo del sistema de procesamiento de imágenes para controlar un robot manipulador y se describen en la forma como serán
Más detallesI.E.S. Miguel de Cervantes (Granada) Departamento de Matemáticas GBG 1
PRODUCTO ESCALAR INTRODUCCIÓN El espacio vectorial de los vectores libres del plano se caracteriza por tener definidas dos operaciones: una interna, suma de vectores, y otra externa, producto de un número
Más detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesAritmética de Enteros
Aritmética de Enteros La aritmética de los computadores difiere de la aritmética usada por nosotros. La diferencia más importante es que los computadores realizan operaciones con números cuya precisión
Más detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detallesPreparación para Álgebra universitaria con trigonometría
Preparación para Álgebra universitaria con trigonometría Este curso cubre los siguientes temas. Usted puede personalizar la gama y la secuencia de este curso para satisfacer sus necesidades curriculares.
Más detallesBloque 2. Geometría. 2. Vectores. 1. El plano como conjunto de puntos. Ejes de coordenadas
Bloque 2. Geometría 2. Vectores 1. El plano como conjunto de puntos. Ejes de coordenadas Para representar puntos en un plano (superficie de dos dimensiones) utilizamos dos rectas graduadas y perpendiculares,
Más detallesCapítulo 4 Exploración del ambiente.
Capítulo 4 Exploración del ambiente. Para explorar el ambiente se tomó como base el vehículo explorador de Braitenberg, la idea es tomar este comportamiento y adaptarlo al uso de una cámara de video, esto
Más detallesPROBLEMAS DE OPTIMIZACIÓN
1 PROBLEMAS DE OPTIMIZACIÓN Planteamiento y resolución de los problemas de optimización Se quiere construir una caja, sin tapa, partiendo de una lámina rectangular de cm de larga por de ancha. Para ello
Más detallesDistancia focal de una lente convergente (método del desplazamiento) Fundamento
Distancia focal de una lente convergente (método del desplazamiento) Fundamento En una lente convergente delgada se considera el eje principal como la recta perpendicular a la lente y que pasa por su centro.
Más detalles1 Curvas planas. Solución de los ejercicios propuestos.
1 Curvas planas. Solución de los ejercicios propuestos. 1. Se considera el lugar geométrico de los puntos del plano tales que la suma del cuadrado de las distancias a los puntos P 1 = (, 0) y P = (, 0)
Más detallesLección 2: Funciones vectoriales: límite y. continuidad. Diferenciabilidad de campos
Lección 2: Funciones vectoriales: límite y continuidad. Diferenciabilidad de campos vectoriales 1.1 Introducción En economía, frecuentemente, nos interesa explicar la variación de unas magnitudes respecto
Más detallesEjemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS Ejemplos y ejercicios de Estadística Descriptiva yanálisis de Datos Diplomatura en Estadística Curso 007/08 Descripción estadística de una variable. Ejemplos
Más detallesACTIVIDADES SELECTIVIDAD APLICACIONES DERIVADAS
ACTIVIDADES SELECTIVIDAD APLICACIONES DERIVADAS Ejercicio 1 De la función se sabe que tiene un máximo en, y que su gráfica corta al eje OX en el punto de abscisa y tiene un punto de inflexión en el punto
Más detallesB22 Homología. Geometría plana
Geometría plana B22 Homología Homología y afinidad Homología: es una transformación biunívoca e inequívoca entre los puntos de dos figuras F y F'. A cada punto y recta de la figura F le corresponde un
Más detallesProfesorado de Nivel Medio y Superior en Biología Matemática - 1º Cuatrimestre Año 2013 FUNCIÓN CUADRÁTICA
Matemática - º Cuatrimestre Año 0 FUNCIÓN CUADRÁTICA Hemos definido anteriormente la función lineal como una función f: R R de la forma f()a+b con a R y b R, que se representa en el plano mediante una
Más detallesAcuerdo 286 Matemáticas
Acuerdo 286 Matemáticas Habilidad Matemática Fausto Zarate Melchor Habilidad Matemática. La habilidad matemática se compone de dos tipos de habilidad: la espacial y la numérica. a) Representación del espacio.
Más detallesEJERCICIOS RESUELTOS TEMA 7
EJERCICIOS RESUELTOS TEMA 7 7.1. Seleccione la opción correcta: A) Hay toda una familia de distribuciones normales, cada una con su media y su desviación típica ; B) La media y la desviaciones típica de
Más detallesCapítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones.
Capítulo 2. Técnicas de procesamiento digital de imágenes y reconocimiento de patrones. 2.1 Revisión sistema reconocimiento caracteres [9]: Un sistema de reconocimiento típicamente esta conformado por
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesMecánica de Fluidos. Análisis Diferencial
Mecánica de Fluidos Análisis Diferencial Análisis Diferencial: Descripción y caracterización del flujo en función de la descripción de una partícula genérica del flujo. 1. Introducción 2. Movimiento de
Más detallesLaboratorio de Visión para Robots. Práctica 2
1. Preparación del entorno de trabajo Laboratorio de Visión para Robots Práctica 2 La manera en la que trabajaremos será primero utilizando Eclipse para prototipar nuestro programa. Cuando podamos procesar
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesAproximación funcional por mínimos cuadrados
Aproximación funcional por mínimos cuadrados Laboratori de Càlcul Numèric (LaCàN) Departament de Matemàtica Aplicada III Universitat Politècnica de Catalunya (Barcelona) http://www-lacan.upc.es Introducción
Más detallesVisión. Sesión 3: Clasificación de imágenes mediante histogramas y características. Departamento CCIA
Visión Sesión 3: Clasificación de imágenes mediante histogramas y características Departamento CCIA http://www.jtech.ua.es/vision/2011/ Hoy Aplicaciones: emparejamiento de imágenes, búsqueda de patrones
Más detallesMatrices y determinantes
Matrices y determinantes 1 Ejemplo Cuál es el tamaño de las siguientes matrices? Cuál es el elemento a 21, b 23, c 42? 2 Tipos de matrices Matriz renglón o vector renglón Matriz columna o vector columna
Más detallesTema 15: Combinación de clasificadores
Tema 15: Combinación de clasificadores p. 1/21 Tema 15: Combinación de clasificadores Abdelmalik Moujahid, Iñaki Inza, Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial
Más detallesIntroducción a las imágenes digitales. Segunda parte
Introducción a las imágenes digitales Segunda parte Introducción a las imágenes digitales Herramientas matemáticas. Transformaciones de intensidad. Histograma de una imagen. Imágenes a color. Modelos de
Más detallesMétodo de diferencias finitas para ecuaciones diferenciales parciales elípticas. (Parte II)
Método de diferencias finitas para ecuaciones diferenciales parciales elípticas (Parte II) Métodos numéricos para sistemas lineales Solución numérica de EDPs requiere resolver sistemas de ecuaciones lineales
Más detallesCampo de velocidades se puede representar mediante una función potencial φ, escalar
Flujo Potencial Campo de velocidades se puede representar mediante una función potencial φ, escalar Condición necesaria flujo irrotacional, V=0. Hipótesis: Flujo irrotacional, incompresible y permanente
Más detallesAl hacer clic en el icono de mano alzada se despliegan otros iconos que nos permiten realizar otros tipos de líneas.
MANUAL COREL DRAW BARRA DE HERRAMIETAS DIBUJO DE LÍNEAS Y CURVAS Herramienta Mano Alzada Al hacer clic en el icono de mano alzada se despliegan otros iconos que nos permiten realizar otros tipos de líneas.
Más detallesCálculo I (Grado en Ingeniería Informática) Problemas adicionales resueltos
Cálculo I (Grado en Ingeniería Informática) - Problemas adicionales resueltos Calcula el ĺımite lím ( n + n + n + ) n Racionalizando el numerador, obtenemos L lím ( n + n + n (n + n + ) (n + ) + ) lím
Más detallesIntroducción a la programación lineal
Introducción a la programación lineal La programación lineal se aplica a modelos de optimización en los que las funciones objetivo y restricción son estrictamente lineales. La técnica se aplica en una
Más detallesTEMA 6. SVM Support Vector Machines (Máquinas de Vectores Soporte)
TEMA 6. SVM Support Vector Machines (Máquinas de Vectores Soporte) Francisco José Ribadas Pena Modelos de Razonamiento y Aprendizaje 5 Informática ribadas@uvigo.es 17 de abril de 2012 FJRP ccia [Modelos
Más detallesVELOCIDAD Y ACELERACION. RECTA TANGENTE.
VELOCIDAD Y ACELERACION. RECTA TANGENTE. 3. Describir la trayectoria y determinar la velocidad y aceleración del movimiento descrito por las curvas siguientes: (a) r (t) = i 4t 2 j + 3t 2 k. (b) r (t)
Más detallesAjustes de tono: Curvas
Ana Maria Beirão Ajustes de tono: Curvas Es la herramienta de ajuste tonal más completa que ofrecen hoy los programas de retoque fotográfico. Opera sobre un gráfico cuadrado que representa en su lado base
Más detallesPLANES DE ESTUDIO PARA PRIMER CURSO
1. Porcentaje e interés Porcentajes Hacer las comparaciones más fáciles Tanto por ciento Valor del porcentaje Valor base Cálculos básicos con porcentajes Interés Interés compuesto Porcentajes en todos
Más detallesCuando se enumeran todos los elementos que componen el conjunto. A = { 1, 2, 3, 4, 5 }
LOS NÚMEROS REALES TEMA 1 IDEAS SOBRE CONJUNTOS Partiremos de la idea natural de conjunto y del conocimiento de si un elemento pertenece (* ) o no pertenece (* ) a un conjunto. Los conjuntos se pueden
Más detallesMatemáticas. Si un error simple ha llevado a un problema más sencillo se disminuirá la puntuación.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA PRUEBAS DE ACCESO A LA UNIVERSIDAD DE LOS MAYORES DE 25 AÑOS CONVOCATORIA 2014 CRITERIOS DE EVALUACIÓN Matemáticas GENERALES: El examen constará de dos opciones (dos
Más detallesIntroducción a la geometría
Introducción a la geometría Este curso cubre los siguientes temas. Usted puede personalizar la gama y la secuencia de este curso para satisfacer sus necesidades curriculares. Plan de estudios (217 temas)
Más detallesInecuaciones lineales y cuadráticas
Inecuaciones lineales y cuadráticas 0.1. Inecuaciones lineales Una inecuación lineal tiene la forma ax + b < 0 ó ax + b > 0 ó ax + b 0 ó ax + b 0. El objetivo consiste en hallar el conjunto solución de
Más detallesUniversidad Nacional de Quilmes Ing. en Automatización y Control Industrial Cátedra: Visión Artificial Septiembre de 2005
Filtrado Espacial Introducción El filtrado espacial es la operación que se aplica a una imagen para resaltar o atenuar detalles espaciales con el fin de mejorar la interpretación visual o facilitar un
Más detallesLA RIOJA / JUNIO 04. LOGSE / FÍSICA / EXAMEN COMPLETO
LA RIOJA / JUNIO 0. LOGSE / FÍSICA / EXAMEN COMPLEO EXAMEN COMPLEO El alumno elegirá una sola de las opciones de problemas, así como cuatro de las cinco Cuestiones propuestas. No deben resolverse problemas
Más detalles3.2. El método del «vecino más cercano»
3.2. El método del «vecino más cercano» Disponemos de una tabla resumen de tipo T(n,p) Los elementos de T(n,p) presentan una estructura de grupo o de jerarquía de grupos encajados. Aplicamos las etapas
Más detallesPROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP).
PROBLEMAS DE OPTIMIZACIÓN CON RESTRICCIONES. PROBLEMA DE PROGRAMACIÓN NO- LINEAL (NLP. Optimización con restricciones La presencia de restricciones reduce la región en la cual buscamos el óptimo. Los criterios
Más detallesSISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS.
SISTEMAS DE ECUACIONES LINEALES. MÉTODO DE GAUSS. Sistemas de ecuaciones lineales DEFINICIÓN SISTEMAS DE ECUACIONES Un sistema de m ecuaciones lineales con n incógnitas,,,, n es un conjunto de m igualdades
Más detallesUNIDAD 7. SISTEMA MÉTRICO DECIMAL
UNIDAD 7. SISTEMA MÉTRICO DECIMAL Reconocer la necesidad de medir, apreciar la utilidad de los instrumentos de medida y conocer los más importantes. Definir el metro como la unidad principal de longitud,
Más detallesM.D.T. y TOPOCAL. Técnicas de Representación Gráfica. Curso DIGTEG 2010
M.D.T. y TOPOCAL Técnicas de Representación Gráfica Curso 2010-2011 Superficies Topográficas Superficies Topográficas No es geométrica La superficie terrestre No se puede representar con exactitud matemática
Más detallesAlgebra Lineal: Transformaciones Lineales. Departamento de Matemáticas. Intro. T. Matricial. T. Lineal. Rango
Algebra ducción Des el punto vista l Algebra Lineal, las funciones más importantes son las que preservan las combinaciones lineales. Estas funciones se llamarán. Es esta presentación se tratan con los
Más detalles