A) Das Fachgebiet, das es Computern ermöglicht, visuelle Informationen aus der realen Welt zu interpretieren und zu verstehen.
B) Die Untersuchung der Funktionsweise des menschlichen Sehens.
C) Der Prozess des Filterns und Verbesserns visueller Bilder.
D) Die Verwendung von Computerbildschirmen zur Anzeige von Bildern.

A) Unscharfe Bilder für künstlerische Effekte.
B) Zufällig verzerrte Bilder.
C) Verbesserung der Bildqualität und Verringerung des Rauschens zur besseren Analyse.
D) Ändern der Bildabmessungen.

A) Kombinieren mehrerer Bilder zu einem Bild.
B) Entfernen von Farben aus einem Bild.
C) Unterteilung eines Bildes in aussagekräftige Regionen oder Objekte für die Analyse.
D) Erstellung eines Spiegelbilds des Originals.

A) R-Quadrat
B) Genauigkeit
C) Mittlerer quadratischer Fehler
D) F1 Ergebnis

A) Regularisierung von Ausfällen
B) Hinzufügen weiterer Schichten zum Netz
C) Erhöhung des Lerntempos
D) Verwendung kleinerer Chargengrößen

A) Übertragung von Gradienten während der Backpropagation.
B) Übertragen von Bildpunkten in ein neues Bild.
C) Übertragen von Bildern zwischen verschiedenen Geräten.
D) Verwendung vortrainierter Modelle und Feinabstimmung für eine bestimmte Aufgabe.

A) Normalisierung der Eingabewerte.
B) Erhöhung der Anzahl der Parameter.
C) Verringerung der räumlichen Dimensionen des Inputs.
D) Einführung der Nichtlinearität in das Netz.

A) Sigmoid
B) Tanh
C) Linear
D) ReLU (Rektifizierte Lineareinheit)

A) Erstellen von zusammengesetzten Bildern.
B) Zusammenfassung der Leistung eines Klassifizierungsmodells anhand der Werte für wahr positiv, falsch positiv, wahr negativ und falsch negativ.
C) Unscharfe Bilder zum Schutz der Privatsphäre.
D) Bilder in Graustufen umwandeln.

A) Komplexes Neuronennetz
B) Kontrolliertes neuronales Netz
C) Computergesteuertes Neuronennetz
D) Faltungsneuronales Netzwerk

A) Erkennung von Objekten
B) Bildsegmentierung
C) Klassifizierung von Bildern
D) Merkmalsextraktion

A) Liedtext-Datensatz
B) ImageNet
C) Wetter-Datensatz
D) Spam-Datensatz

A) Faltungsneuronale Netze (CNNs)
B) K-Nächste Nachbarn (KNN)
C) Hauptkomponentenanalyse (PCA)
D) Support-Vektor-Maschinen (SVM)

A) Erhöhung der Bildauflösung
B) Hinzufügen von Rauschen zu Bildern
C) Drehende Bilder
D) Nicht-lokale Mittelwertentrauschung

A) Histogramm-Entzerrung
B) Fourier-Transformation
C) Gaußscher Weichzeichner
D) Lucas-Kanade-Verfahren

A) Poolingschicht
B) Faltungsschicht
C) Vollständig verbundene Schicht
D) Aktivierungsschicht

A) Quer-Entropie-Verlust
B) L1 Verlust
C) Binärer Quer-Entropie-Verlust
D) Mittlerer quadratischer Fehler

A) ResNet (Restliches Netzwerk)
B) VGGNet
C) InceptionNet
D) AlexNet

A) Abbildung eines Bildes auf eine andere Bildebene.
B) Verwischung der Bildgrenzen.
C) Normalisierung von Bildhistogrammen.
D) Erkennung von Objektkanten.

A) Tanh
B) ReLU
C) Sigmoid
D) Softmax

A) PCA Dimensionalitätsreduktion
B) Bildbeschneidung
C) Lernen übertragen
D) Geräuschinjektion

A) Anwendung von Farbfiltern auf Bilder.
B) Identifizieren und Abgrenzen einzelner Objekte innerhalb einer Szene.
C) Konvertierung von Bildern in Schwarz-Weiß.
D) Glättung der Pixelintensitäten.

A) Segmentierung von Bildmerkmalen und Texturen
B) Skaleninvariante Merkmalstransformation
C) Halbintegrierte Gesichtsverfolgung
D) Selektive Bildfilterungstechniken