![]()
A) دراسة كيفية عمل الرؤية البشرية. B) عملية تصفية وتحسين الصور المرئية. C) مجال الدراسة الذي يمكّن أجهزة الكمبيوتر من تفسير وفهم المعلومات المرئية من العالم الحقيقي. D) استخدام شاشات الكمبيوتر لعرض الصور.
A) تغيير أبعاد الصورة. B) تحسين جودة الصورة وتقليل الضوضاء لتحليل أفضل. C) تشويه الصور بشكل عشوائي. D) تعتيم الصور للحصول على تأثير فني.
A) إزالة الألوان من الصورة. B) دمج عدة صور في صورة واحدة. C) تقسيم الصورة إلى مناطق أو عناصر ذات معنى لتحليلها. D) إنشاء صورة معكوسة للصورة الأصلية.
A) مقياس F1 B) مربع الانحدار C) الدقة D) متوسط مربع الخطأ
A) إضافة المزيد من الطبقات إلى الشبكة. B) تقنية التسرب (Dropout). C) استخدام أحجام دفعات أصغر. D) زيادة معدل التعلم.
A) نقل وحدات البكسل الخاصة بالصورة إلى صورة جديدة. B) نقل الصور بين أجهزة مختلفة. C) استخدام نماذج مدربة مسبقًا وضبطها بدقة لمهمة معينة. D) نقل التدرجات أثناء عملية الانتشار العكسي.
A) تقليل الأبعاد المكانية للمدخلات. B) زيادة عدد المعلمات. C) تطبيع قيم المدخلات. D) إدخال خاصية اللاخطية إلى الشبكة.
A) ReLU (وحدة الخطية المعدلة) B) Tanh C) Sigmoid D) الخطية
A) تلخيص أداء نموذج التصنيف باستخدام القيم الإيجابية الصحيحة، والإيجابية الخاطئة، والسلبية الصحيحة، والسلبية الخاطئة. B) تعتيم الصور لحماية الخصوصية. C) تحويل الصور إلى مقياس رمادي. D) إنشاء صور مركبة.
A) تقسيم ميزات وقوام الصور B) تقنية التصفية الانتقائية للصور C) تحويل الميزات المستقلة عن المقياس D) تتبع الوجه شبه المتكامل
A) مجموعة بيانات كلمات الأغاني B) مجموعة بيانات الرسائل المزعجة (Spam) C) مجموعة بيانات الطقس D) مجموعة بيانات ImageNet
A) شبكة عصبية مُحكمة B) شبكة عصبية معقدة C) شبكة عصبية حاسوبية D) شبكة عصبية تلافيفية
A) دالة ReLU B) دالة Tanh C) دالة Sigmoid D) دالة Softmax
A) تقطيع الصور B) تصنيف الصور C) اكتشاف الكائنات D) استخراج الميزات
A) طبقة التنشيط (Activation layer) B) طبقة الالتفاف (Convolutional layer) C) طبقة الاتصال الكامل (Fully connected layer) D) طبقة التجميع (Pooling layer)
A) متوسط مربع الخطأ (Mean Squared Error) B) دالة الخسارة للإنتروبيا التقاطعية الثنائية (Binary Cross-Entropy Loss) C) دالة الخسارة للإنتروبيا التقاطعية (Cross-Entropy Loss) D) دالة الخسارة L1
A) تطبيق فلاتر الألوان على الصور. B) تنعيم قيم البكسلات. C) تحديد وتوضيح الكائنات الفردية داخل مشهد ما. D) تحويل الصور إلى الأبيض والأسود.
A) إضافة الضوضاء إلى الصور. B) زيادة دقة الصورة. C) تقنية إزالة الضوضاء باستخدام المتوسطات غير المحلية. D) تدوير الصور.
A) الشبكات العصبية التلافيفية (CNNs) B) أقرب الجيران (KNN) C) آلات ناقلات الدعم (SVM) D) تحليل المكونات الرئيسية (PCA)
A) رسم خريطة لصورة واحدة على مستوى صورة أخرى. B) تعتيم حدود الصورة. C) تطبيع مخططات توزيع قيم الألوان في الصور (Histogram Equalization). D) اكتشاف حواف الكائنات.
A) ResNet (شبكة الباقي) B) AlexNet C) VGGNet D) InceptionNet
A) تقليل الأبعاد باستخدام تحليل المكونات الرئيسية (PCA Dimensionality Reduction) B) إضافة الضوضاء (Noise Injection) C) قص الصور (Image Cropping) D) التعلم بالنقل (Transfer Learning)
A) تحويل فورييه B) تعديل الهيستوجرام C) التنعيم الغاوسي D) طريقة لوكاس-كينادي |