Computer Vision

• Datum: Juli 2014
• Prüferin: Elli Angelopoulou
• Beisitzer: ??
• Art der Prüfung: Schriftliche Klausur über 120 Minuten, 5 ECTS

Da Elli die FAU nach diesem Semester verlässt und nicht viel Zeit hat, wurde die mündliche Prüfung aufgrund der Menge an Studenten in eine schriftliche Klausur über 120 Minuten geändert. Ich hab hier mal zusammengefasst, was ich von den 17 Seiten noch alles im Gedächtnis hatte.

Die Prüfung war im Allgemeinen fair und behandelte quasi alle Themen, die in der VL behandelt wurden + Corner Detection aus der Übung.

• Ein paar Fragen zum ankreuzen, ob der jeweilige Kameraparameter extrinsic oder intrinsic ist
• Formel und Definition von Radiance
• Was ist Foreshortening? Wie wirkt sich Foreshortening auf Radiance aus?

• Definition von Textures
• Drei Dinge, wofür man Texture verwenden kann

• Allgemeinen Aufbau eines Edge Detectors beschreiben, keinen spezifischen wie Canny usw. Zusätlich zur Beschreibung alle Formeln bzw. mathematischen Methoden für Edge Detection angeben, keine Filter Masken usw.
• Wie wird die Methode des Überprüfens auf einen Nulldurchgang genannt?
• Die einzelnen Schritte und Formeln zur Berechnung von Edge Strength und Edge Orientation angeben.

• Formel für Structure Tensor angeben
• Noch zwei weitere Fragen, welche mir nicht mehr einfallen

• Drei geometrische Figuren angeben, die mittels Hough Transform erkannt werden können.

• Convolution ist separierbar. Bringt dies irgendwelche Vor- oder Nachteile? Erklärung
• Separierbare Funktionen f = (f1,f2) und g = (g1, g2) gegeben. h = f * g ebenfalls separierbar? Mathematisch beweisen.

• Skizze vom Basic binocular stereo setup
• Epipole, epipolar line und epipolar plane erklären
• Correspondence problem erklären
• Epipolar constraint erklären und algebraische Darstellung angeben

• Definition von Optical Flow und Motion Field angeben
• Welcher Zusammenhang besteht zwischen Motion Field und Optical Flow? Erklärung und evtl. Skizze dazu

Kalman Filters

• Alle nötigen Variablen des Kalman Filters angeben und benennen
• Die zwei Grundlegenden Formeln des Kalman Filters angeben

Particle Filters

• Worin unterscheiden sich Kalman und Particle Filter?
• Erkläre die Grundlage, auf der der Particle Filter Vorhersagen bestimmt

• Anwendungsbezogene Fragestellung. Es soll eine Lösung zu einem Beispielproblem vorgeschlagen werden.

• Angabe: Eine Organisation hält eine online Datenbank mit verschiedenen Pflanzen/Blumen. Der Anwender soll nun die Möglichkeit haben ein Bild einer Blume hochzuladen nach dem anschließend die Datenbank durchsucht wird. Welche CV Methoden würden sie verwenden?

• Eine Aufgabe bestand aus mehreren True/False Ankreuzfragen, allerdings weiß ich da momentan nur noch eine.

• Für die meisten Menschen reichen drei Grundfarben aus, um eine gegebene Farbe daraus zu mischen