A) Der Prozess des Filterns und Verbesserns visueller Bilder. B) Das Fachgebiet, das es Computern ermöglicht, visuelle Informationen aus der realen Welt zu interpretieren und zu verstehen. C) Die Untersuchung der Funktionsweise des menschlichen Sehens. D) Die Verwendung von Computerbildschirmen zur Anzeige von Bildern.
A) Verbesserung der Bildqualität und Verringerung des Rauschens zur besseren Analyse. B) Unscharfe Bilder für künstlerische Effekte. C) Zufällig verzerrte Bilder. D) Ändern der Bildabmessungen.
A) Entfernen von Farben aus einem Bild. B) Kombinieren mehrerer Bilder zu einem Bild. C) Unterteilung eines Bildes in aussagekräftige Regionen oder Objekte für die Analyse. D) Erstellung eines Spiegelbilds des Originals.
A) F1 Ergebnis B) Mittlerer quadratischer Fehler C) R-Quadrat D) Genauigkeit
A) Regularisierung von Ausfällen B) Verwendung kleinerer Chargengrößen C) Hinzufügen weiterer Schichten zum Netz D) Erhöhung des Lerntempos
A) Übertragen von Bildpunkten in ein neues Bild. B) Übertragung von Gradienten während der Backpropagation. C) Verwendung vortrainierter Modelle und Feinabstimmung für eine bestimmte Aufgabe. D) Übertragen von Bildern zwischen verschiedenen Geräten.
A) Erhöhung der Anzahl der Parameter. B) Einführung der Nichtlinearität in das Netz. C) Verringerung der räumlichen Dimensionen des Inputs. D) Normalisierung der Eingabewerte.
A) Sigmoid B) ReLU (Rektifizierte Lineareinheit) C) Linear D) Tanh
A) Zusammenfassung der Leistung eines Klassifizierungsmodells anhand der Werte für wahr positiv, falsch positiv, wahr negativ und falsch negativ. B) Bilder in Graustufen umwandeln. C) Unscharfe Bilder zum Schutz der Privatsphäre. D) Erstellen von zusammengesetzten Bildern.
A) Kontrolliertes neuronales Netz B) Computergesteuertes Neuronennetz C) Komplexes Neuronennetz D) Faltungsneuronales Netzwerk
A) Bildsegmentierung B) Klassifizierung von Bildern C) Merkmalsextraktion D) Erkennung von Objekten
A) Wetter-Datensatz B) ImageNet C) Spam-Datensatz D) Liedtext-Datensatz
A) Faltungsneuronale Netze (CNNs) B) Support-Vektor-Maschinen (SVM) C) K-Nächste Nachbarn (KNN) D) Hauptkomponentenanalyse (PCA)
A) Nicht-lokale Mittelwertentrauschung B) Erhöhung der Bildauflösung C) Hinzufügen von Rauschen zu Bildern D) Drehende Bilder
A) Fourier-Transformation B) Gaußscher Weichzeichner C) Lucas-Kanade-Verfahren D) Histogramm-Entzerrung
A) Poolingschicht B) Vollständig verbundene Schicht C) Faltungsschicht D) Aktivierungsschicht
A) Quer-Entropie-Verlust B) Binärer Quer-Entropie-Verlust C) Mittlerer quadratischer Fehler D) L1 Verlust
A) VGGNet B) AlexNet C) ResNet (Restliches Netzwerk) D) InceptionNet
A) Normalisierung von Bildhistogrammen. B) Erkennung von Objektkanten. C) Abbildung eines Bildes auf eine andere Bildebene. D) Verwischung der Bildgrenzen.
A) ReLU B) Sigmoid C) Softmax D) Tanh
A) PCA Dimensionalitätsreduktion B) Lernen übertragen C) Geräuschinjektion D) Bildbeschneidung
A) Glättung der Pixelintensitäten. B) Konvertierung von Bildern in Schwarz-Weiß. C) Anwendung von Farbfiltern auf Bilder. D) Identifizieren und Abgrenzen einzelner Objekte innerhalb einer Szene.
A) Skaleninvariante Merkmalstransformation B) Selektive Bildfilterungstechniken C) Halbintegrierte Gesichtsverfolgung D) Segmentierung von Bildmerkmalen und Texturen |