1. Explain with an example why the inputs in computer vision problems can get huge. Provide a solution to overcome this challenge.
2.What purpose does grayscaling serve?
תשובות
הוסף תשובה
|
לצפיה בתשובות
דצמבר 2022
1.Consider a 500x500 pixel RGB image fed to a fully connected neural network for which the first hidden layer has just 1000 hidden units. For this image, the number of input features will be 500*500*3=750,000, i.e. the input vector will be 750,000 dimensional. The weight matrix at the first hidden layer will therefore be a 1000x750,000 dimensional matrix which is huge in size for both computations as well as storage. We can use convolution operation, which is the basis of convolutional neural networks, in order to address this challenge.
2.Grayscaling helps to reduce the dimension of the image and thus allows for reduced computation time and effort. Further, it reduces the complexity of models and functions required for various operations. Some functions like edge and contour detection and machine learning problems Optical Character Recognition perform better or are implemented for working only with grayscale images.
2 ראיונות מקצועיים . אחד עם ראש צוות ,שני עם ראש מחלקה.
שאלות מתוך הראיון
ראיון עם ראש צוות:
לתכנן מבחינת דזיין ,תכנון מחלקות ופונקציות מערכת לבדיקות רובוט - שתהיה גנרית לבדיקות של מוצרים חדשים שיתווספו בעתיד.
מציאת בג בקובץ של תכנית קיימת בc++.
ראיון עם ראש מחלקה:
תיאור גרפי של תקשורת בין מחלקות בפרוייקט גמר.
כתיבת אלגוריתם למיון רשימה.
ראיון לתפקיד 
