[クイズ]
タイトル説明
クラスタリングアルゴリズムK-手段について、以下の質問にお答えください。
-
K平均クラスタリングは、教師や教師なしクラスタリングのですか？（2点）
-
N個のサンプルを書き込み（X =（X1、...、Xnが））アルゴリズムKクラスをクラスタリング目的関数ポリK-手段を最適化します。（6点）
-
擬似コードクラスタリング処理を記述してください。（8点）
-
前記サンプルの寸法は、アルゴリズムの関数kmeans時間複雑さを記述する、Dとします。（4点）
回答：
1、教師なし
図2に示すように、目的関数：F（X、K）= I = 1Kj = 1Ni（XJ-μI）2
3、クラスタリング処理：
初始化：从N个样本中随机选择K个作为初始聚类中心；
For t=1:T（此处，T为最大迭代次数）
将N个样本按距离最近原则分配给K个聚类中心；
迭代更新聚类中心；
如果达到终止条件，如全部样本归类无变化，或者样本点到聚类中心的平均距离变化率较低，则退出
図4に示すように、時間計算量：TNKD Tは反復回数であり、Nはサンプル数であり、Kはクラスタ中心の数であり、Dは試料の寸法であります
[クイズ]
タイトル説明
どのカメラモデルパラメータは、画像投影式のポイントの三次元座標を書き込みます。これは、いくつかのレンズ歪み係数は、歪補正式の表現を対応していますか？
回答：
カメラモデルのパラメータが重要である範囲内である：主点、焦点距離、歪み率。（3点）
点の二次元、三次元画像投影式：（10分）
レンズの歪み：ラジアル歪みと接線方向の歪み。（2点）
ラジアル歪補正式の式：（3分）
接線方向の歪補正式の式：（2分）
[クイズ]
タイトル説明
システムの質問（20分）
自動運転の分野では、障害物の空間的な位置は、非常に重要な情報です。レーダー測距センサーを持っている能力がなければ、地面にのみターゲットの距離によって単眼カメラを計算する方法？
回答：
次のように達成するIPM（逆遠近マッピング）方法、IPM投影を使用して
原画像を
画像変換IPM後の
画像IPMを生成するための2つの主な方法があります
スキーム一つ：地面を平坦とし、ホモグラフィ行列Hの直接計算は、方法が投影されます。自動または手動で選択された4基は、ポイントをマークし、三次元空間に対応する点は、IPMを算出する原画像は、画像ホモグラフィHを変換しました 従って、各H行列の後に実際の3次元空間座標を乗じて算出することができる画像の座標系上の接地面の。
オプションII：同じ仮定が画像投影面と、三次元空間との関係で、カメラを内部パラメータ及び外部パラメータを較正することによって、平坦な地面である必要があります。式導出点を挙げることができます。
[クイズ]
タイトル説明
畳み込みニューラルネットワークによる検出のための現在の方法を理解するためのアルゴリズムを記述するためにそれぞれに対応する、一段階および二段階に分けることができます。共通して検出アルゴリズムの2種類の違いは何ですか？
回答：
一段階：yolov1、yolov2、yolov3、SSD、RetinaNet（2分）
二段階：高速R-CNN、高速R-CNN（2分）
高速R-CNNの例には、2つの段の共通の検出アルゴリズムは、各候補領域の分類および回帰のための複雑なネットワークを使用すると、メモリ消費及び計算で得られた特徴チャネルのROIプーリングのより多くは、比較的された後大規模な。
一般的な一段階の検出アルゴリズムは、構造上の観点からだけRPNネットワークを組み合わせ、ネットワーク、高速rcnnの第一段階に相当するので、一段階主な利点は速度です。結果は、特徴マップ回帰から目標位置の予測と分類され、そしていくつかはまた、アンカーの概念を採用しました。さらなる改良をプールし、上述した二段結果ROIので、二段階法の検出精度の後、一般に比較的高いです。別のビューは、これを行う二段階の平衡正及び負のサンプルと同等のRPN部分は、比較的良好な理由の二段階の検出である、ということです。小さな目標検出のための一段階アルゴリズムあまり効果的でアンカーのすべてがこの目標でカバーされていない場合、ターゲットは逃しされます。大きなアンカーカバレッジその目標は、より大きな受容野は、対象の真の特性を弱体化する場合は、スコアが高くなりません。ROIプーリング二段ターゲットプロファイルがより明確もあり、小さなターゲットが増幅されるサイズ変更アルゴリズムを実行し、したがって、より正確であるだろう。
赤いマークの上に、少しは答えが合理的である場合、上記の答えではないにもプラスになり、4ポイントをお答えします。