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