CV4‐easy - waegari/waegari.github.io GitHub Wiki
컴퓨터 비전: Line Patterns 및 Ellipse Detection 기본 시험 문제
1부: 문제
객관식 문제 (20문제)
1. Line detection의 주요 목적은 무엇인가?
- a) 이미지에서 원을 찾는 것
- b) 이미지에서 직선을 찾는 것
- c) 이미지에서 색상 분포를 분석하는 것
- d) 이미지에서 모서리(corner)를 찾는 것
2. Line fitting 과정에서 발생하는 어려움으로 맞는 것은?
- a) Edge point의 noise
- b) 여러 직선이 존재하는 상황(multiple lines)
- c) 직선의 일부분만 감지되는 경우
- d) 이상치(outlier)의 존재
3. RANSAC 알고리즘의 핵심 아이디어로 맞는 것은?
- a) 모든 데이터 포인트를 사용하여 모델 피팅
- b) Outlier의 영향을 최소화하기 위해 inlier만 사용
- c) Edge detection 후 자동으로 선 찾기
- d) 연속적인 edge point를 연결하여 선 그리기
4. RANSAC 알고리즘에서 무작위로 선택하는 최소 샘플 수는 직선 검출에서 몇 개인가?
- a) 1개
- b) 2개
- c) 3개
- d) 4개
5. Hough Transform에 대한 설명으로 맞는 것을 모두 고르시오.
- a) Parameter space에서 voting 메커니즘을 사용한다
- b) 높은 비율의 outlier가 있어도 효과적으로 작동한다
- c) 원과 타원 검출에는 사용할 수 없다
- d) 계산 복잡도가 매우 낮다
6. Line detection을 위한 polar representation 식은?
- a) y = mx + b
- b) x·cos θ + y·sin θ = ρ
- c) (x-h)²/a² + (y-k)²/b² = 1
- d) a·x² + b·y² = r²
7. Ellipse의 기본 특성으로 맞는 것은?
- a) 평행한 chord의 mid-point들과 ellipse center는 collinear하다
- b) 모든 점에서 초점까지의 거리 합이 일정하다
- c) 장축과 단축의 길이가 항상 같다
- d) 항상 x축이나 y축에 평행하게 놓여있다
8. Ellipse detection pipeline의 첫 번째 단계는?
- a) Arc detection
- b) Edge detection
- c) Parameter estimation
- d) Validation
9. Arc detection 과정에서 수행하는 작업으로 맞는 것을 모두 고르시오.
- a) 각 arc에 unique ID 할당
- b) Noisy edge 제거
- c) Arc의 color 분석
- d) Arc의 길이 측정
10. Arc detection에서 제거되는 noisy edge 유형으로 틀린 것은?
- a) Straight edge
- b) Small edge
- c) Sharp turn이 있는 edge
- d) Curved edge
11. Arc quadrant classification에서 D(arc^m)은 무엇을 의미하는가?
- a) Arc의 길이
- b) Arc의 gradient
- c) Arc의 색상
- d) Arc의 두께
12. Arc convexity C(arc^m)을 결정하는 방법은?
- a) Arc의 길이를 측정한다
- b) Arc 아래와 위 영역의 면적을 비교한다
- c) Arc의 곡률을 계산한다
- d) Arc의 endpoint 간 거리를 측정한다
13. Ellipse detection을 위한 arc selection에서 필요한 최소 arc 수는?
- a) 1개
- b) 2개
- c) 3개
- d) 5개
14. Ellipse parameter estimation 방법으로 맞는 것은?
- a) Ellipse property를 이용한 center 추정
- b) Arc의 길이만 사용하여 계산
- c) 항상 고정된 크기의 ellipse만 찾음
- d) 모든 arc가 같은 ellipse에 속한다고 가정
15. Ellipse validation 단계에서 하는 일은?
- a) 결과 ellipse가 arc에 잘 맞는지 확인
- b) 모든 ellipse를 결과로 출력
- c) 다른 shape로 ellipse를 변환
- d) Ellipse의 색상 분석
16. Ellipse detection에서 직면하는 어려움으로 맞는 것을 모두 고르시오.
- a) Incomplete edges
- b) Occlusion
- c) 항상 완벽한 ellipse만 존재
- d) Outlier edges
17. RANSAC과 Hough Transform 비교 설명으로 틀린 것은?
- a) RANSAC은 random sampling 기반, Hough Transform은 voting 기반이다
- b) RANSAC은 outlier가 많을 때 효율적이다
- c) Hough Transform은 parameter space에서 peak를 찾는다
- d) 둘 다 shape detection에 사용될 수 있다
18. Ellipse detection performance 평가에 사용되는 지표는?
- a) Precision
- b) Recall
- c) F-measure
- d) 위의 모든 것
19. Ellipse의 quadrant 분류에서 Quadrant I에 해당하는 특성은?
- a) D(+), C(+)
- b) D(-), C(+)
- c) D(+), C(-)
- d) D(-), C(-)
20. 다음 중 ellipse parameter estimation에서 계산하는 값이 아닌 것은?
- a) Center 좌표
- b) Semi-axis 길이
- c) Rotation angle
- d) Ellipse의 색상
주관식 단답형 문제 (5문제)
21. Line detection에서 unbounded parameter space [m,b]의 문제를 해결하기 위해 사용하는 좌표계는?
22. Outlier의 영향을 줄이기 위해 random sampling을 사용하는 line detection 알고리즘의 이름은?
23. Ellipse detection에서 arc의 convexity가 positive(+)이고 gradient가 negative(-)일 때, 이 arc는 어떤 quadrant에 속하는가?
24. Ellipse detection pipeline에서 multiple valid detection을 처리하는 단계의 이름은?
25. Ellipse 방정식을 general form으로 표현하면 어떻게 되는가?
2부: 정답
객관식 정답
- b
- d
- b
- b
- a, b
- b
- a, b
- b
- a, b, d
- d
- b
- b
- b
- a
- a
- a, b, d
- b
- d
- a
- d
주관식 정답
- Polar coordinate
- RANSAC
- Quadrant II
- Clustering
- ax² + bxy + cy² + dx + ey + f = 0
3부: 해설
객관식 해설
1. b
- Line detection의 주요 목적은 이미지에서 직선을 찾는 것이다.
2. d
- Line fitting에서는 이상치(outlier)의 존재가 주요 어려움이다. 사실 선택지 모두 line fitting의 어려움이지만, 가장 핵심적인 것은 outlier의 존재이다.
3. b
- RANSAC의 핵심 아이디어는 outlier의 영향을 최소화하기 위해 inlier만을 사용하는 것이다.
4. b
- 직선은 2개의 점으로 정의되므로, RANSAC에서 직선 검출을 위한 최소 샘플 수는 2개이다.
5. a, b
- Hough Transform은 parameter space에서 voting 메커니즘을 사용하고, 높은 비율의 outlier가 있어도 효과적으로 작동한다.
- c와 d는 틀린 설명으로, Hough Transform은 원과 타원 검출에도 사용 가능하며, 계산 복잡도는 상대적으로 높을 수 있다.
6. b
- Line detection을 위한 polar representation 식은 x·cos θ + y·sin θ = ρ이다.
7. a, b
- Ellipse의 기본 특성은 평행한 chord의 mid-point들과 ellipse center가 collinear하다는 것과 모든 점에서 초점까지의 거리 합이 일정하다는 것이다.
8. b
- Ellipse detection pipeline의 첫 번째 단계는 Edge detection이다.
9. a, b, d
- Arc detection 과정에서는 각 arc에 unique ID를 할당하고, noisy edge를 제거하며, arc의 길이를 측정한다.
- c는 틀린 설명으로, 일반적으로 arc의 color를 분석하지는 않는다.
10. d
- Arc detection에서 제거되는 noisy edge는 straight edge, small edge, sharp turn이 있는 edge이다.
- Curved edge는 일반적으로 제거되지 않으며, 오히려 ellipse detection에 중요하다.
11. b
- D(arc^m)은 arc의 gradient를 의미한다. 수식으로는 D(arc^m) = sign(Δy)·sign(Δx)로 계산된다.
12. b
- Arc convexity C(arc^m)은 arc 아래와 위 영역의 면적을 비교하여 결정한다.
13. b
- Ellipse detection을 위한 arc selection에서 필요한 최소 arc 수는 2개이다.
14. a
- Ellipse parameter estimation 방법으로는 ellipse property를 이용한 center 추정이 사용된다.
15. a
- Ellipse validation 단계에서는 결과 ellipse가 arc에 잘 맞는지 확인한다.
16. a, b, d
- Ellipse detection에서 직면하는 어려움은 incomplete edges, occlusion, outlier edges 등이다.
- c는 틀린 설명으로, 실제로는 불완전한 ellipse도 존재한다.
17. b
- 틀린 설명은 b로, RANSAC은 outlier가 많을 때 효율성이 떨어진다.
18. d
- Ellipse detection performance 평가에는 precision, recall, f-measure가 모두 사용된다.
19. a
- Quadrant I에 해당하는 특성은 D(+), C(+)이다.
20. d
- Ellipse parameter estimation에서 계산하지 않는 값은 ellipse의 색상이다.
주관식 해설
21. Polar coordinate
- Line detection에서 unbounded parameter space [m,b] 문제를 해결하기 위해 polar coordinate(극좌표계)를 사용한다.
22. RANSAC
- Outlier의 영향을 줄이기 위해 random sampling을 사용하는 line detection 알고리즘은 RANSAC(RANdom SAmple Consensus)이다.
23. Quadrant II
- Convexity가 positive(+)이고 gradient가 negative(-)인 arc는 Quadrant II에 속한다.
24. Clustering
- Multiple valid detection을 처리하는 단계는 clustering이다.
25. ax² + bxy + cy² + dx + ey + f = 0
- Ellipse의 general form 방정식은 ax² + bxy + cy² + dx + ey + f = 0이다.