• 15 heures
  • Difficile

Ce cours est visible gratuitement en ligne.

course.header.alt.is_video

course.header.alt.is_certifying

J'ai tout compris !

Mis à jour le 06/02/2020

Partie 2

Connectez-vous ou inscrivez-vous gratuitement pour bénéficier de toutes les fonctionnalités de ce cours !

Compétences évaluées

  • Maîtriser les méthodes les plus courantes d'extraction de features
  • Comprendre la notion de features d'une image
  • Question 1

    On considère l'image X=[0000000000001000000000000]  et le noyau H=[abcdefghi]

    Que vaut Yconv=HI et Ycross_corr=HI  ?   

    On supposera une valeur 0 (contour noir) en dehors des matrices.

    •  Yconv=[000000ihg00fed00cba000000]  et  Ycross_corr=[000000abc00def00ghi000000] 

       

    •  Yconv=[000000abc00def00ghi000000]  et  Ycross_corr=[000000ihg00fed00cba000000] 

       

    • Yconv=Ycross_corr=[000000ihg00fed00cba000000]

       

       

  • Question 2

    Parmi les features détectées dans ces deux images, lesquelles utiliser pour faire de l'image matching ?  

    Un carré de contour vert (respectivement rouge) représente une feature pertinente (respectivement mauvaise). 

    • Choix 1

    • Choix 2

    • Choix 3

  • Question 3

    Je veux détecter les coins dans une image. Quel(s) algorithme(s) utiliser ?

    Attention, plusieurs réponses sont possibles.
    • Le détecteur de Harris-Stephens

    • Le filtre de Canny

    • L'algorithme SIFT

    • Le détecteur de Moravec