ThatQuiz
|
Prüfungsbibliothek
|
Starten Sie jetzt die Prüfung
Computer Vision und Bilderkennung - Prüfung
  • 1. Computer Vision ist ein interdisziplinäres Gebiet, das es Computern ermöglicht, die visuelle Welt aus digitalen Bildern oder Videos zu interpretieren und zu verstehen. Es umfasst die Entwicklung von Algorithmen und Techniken zur Extraktion aussagekräftiger Informationen aus visuellen Daten und ahmt die Fähigkeiten des menschlichen Sehsystems nach. Die Bilderkennung, ein Teilbereich der Computer Vision, konzentriert sich auf die Identifizierung und Kategorisierung von Objekten, Szenen oder Mustern in Bildern oder Videos. Durch den Einsatz von Deep Learning, neuronalen Netzen und maschinellem Lernen finden Computer Vision und Bilderkennung in verschiedenen Bereichen Anwendung, z. B. im Gesundheitswesen, bei autonomen Fahrzeugen, in der Überwachung, in der erweiterten Realität und in vielen anderen Bereichen.

    Was ist Computer Vision?
A) Das Fachgebiet, das es Computern ermöglicht, visuelle Informationen aus der realen Welt zu interpretieren und zu verstehen.
B) Der Prozess des Filterns und Verbesserns visueller Bilder.
C) Die Verwendung von Computerbildschirmen zur Anzeige von Bildern.
D) Die Untersuchung der Funktionsweise des menschlichen Sehens.
  • 2. Wozu dient die Vorverarbeitung von Bildern in der Computer Vision?
A) Verbesserung der Bildqualität und Verringerung des Rauschens zur besseren Analyse.
B) Unscharfe Bilder für künstlerische Effekte.
C) Ändern der Bildabmessungen.
D) Zufällig verzerrte Bilder.
  • 3. Was versteht man unter dem Begriff "Bildsegmentierung"?
A) Erstellung eines Spiegelbilds des Originals.
B) Kombinieren mehrerer Bilder zu einem Bild.
C) Entfernen von Farben aus einem Bild.
D) Unterteilung eines Bildes in aussagekräftige Regionen oder Objekte für die Analyse.
  • 4. Welcher Bewertungsmaßstab wird üblicherweise für Bildklassifizierungsaufgaben verwendet?
A) Genauigkeit
B) Mittlerer quadratischer Fehler
C) F1 Ergebnis
D) R-Quadrat
  • 5. Welche Technik kann verwendet werden, um die Überanpassung in Deep-Learning-Modellen für die Bilderkennung zu reduzieren?
A) Hinzufügen weiterer Schichten zum Netz
B) Verwendung kleinerer Chargengrößen
C) Erhöhung des Lerntempos
D) Regularisierung von Ausfällen
  • 6. Was versteht man unter "Transfer Learning" im Zusammenhang mit Deep Learning für die Bilderkennung?
A) Übertragen von Bildern zwischen verschiedenen Geräten.
B) Verwendung vortrainierter Modelle und Feinabstimmung für eine bestimmte Aufgabe.
C) Übertragen von Bildpunkten in ein neues Bild.
D) Übertragung von Gradienten während der Backpropagation.
  • 7. Was ist der Zweck einer "Pooling-Schicht" in einem neuronalen Faltungsnetzwerk?
A) Normalisierung der Eingabewerte.
B) Verringerung der räumlichen Dimensionen des Inputs.
C) Einführung der Nichtlinearität in das Netz.
D) Erhöhung der Anzahl der Parameter.
  • 8. Welche Aktivierungsfunktion wird üblicherweise in faltigen neuronalen Netzen verwendet?
A) Linear
B) ReLU (Rektifizierte Lineareinheit)
C) Tanh
D) Sigmoid
  • 9. Wozu dient eine "Konfusionsmatrix" bei der Bewertung von Bildklassifizierungsmodellen?
A) Erstellen von zusammengesetzten Bildern.
B) Unscharfe Bilder zum Schutz der Privatsphäre.
C) Zusammenfassung der Leistung eines Klassifizierungsmodells anhand der Werte für wahr positiv, falsch positiv, wahr negativ und falsch negativ.
D) Bilder in Graustufen umwandeln.
  • 10. Wofür steht CNN?
A) Faltungsneuronales Netzwerk
B) Komplexes Neuronennetz
C) Computergesteuertes Neuronennetz
D) Kontrolliertes neuronales Netz
  • 11. Welche Technik wird verwendet, um Objekte in einem Bild zu identifizieren und zu lokalisieren?
A) Merkmalsextraktion
B) Erkennung von Objekten
C) Klassifizierung von Bildern
D) Bildsegmentierung
  • 12. Welches ist ein Beispiel für einen beliebten Datensatz, der häufig für Bilderkennungsaufgaben verwendet wird?
A) Liedtext-Datensatz
B) ImageNet
C) Spam-Datensatz
D) Wetter-Datensatz
  • 13. Welche Technik wird üblicherweise zur Extraktion von Bildmerkmalen verwendet?
A) Faltungsneuronale Netze (CNNs)
B) Hauptkomponentenanalyse (PCA)
C) K-Nächste Nachbarn (KNN)
D) Support-Vektor-Maschinen (SVM)
  • 14. Welche Technik wird in der Computer Vision zur Bildentrauschung verwendet?
A) Erhöhung der Bildauflösung
B) Drehende Bilder
C) Nicht-lokale Mittelwertentrauschung
D) Hinzufügen von Rauschen zu Bildern
  • 15. Welche Methode kann zur Berechnung des optischen Flusses bei der Videoverarbeitung verwendet werden?
A) Gaußscher Weichzeichner
B) Lucas-Kanade-Verfahren
C) Fourier-Transformation
D) Histogramm-Entzerrung
  • 16. Welche Schicht in einem CNN ist für die Reduzierung der räumlichen Dimensionen zuständig?
A) Vollständig verbundene Schicht
B) Faltungsschicht
C) Aktivierungsschicht
D) Poolingschicht
  • 17. Welche Verlustfunktion wird üblicherweise bei Bildklassifizierungsaufgaben verwendet?
A) Quer-Entropie-Verlust
B) L1 Verlust
C) Binärer Quer-Entropie-Verlust
D) Mittlerer quadratischer Fehler
  • 18. Welches vortrainierte CNN-Modell wird üblicherweise für verschiedene Bilderkennungsaufgaben verwendet?
A) VGGNet
B) InceptionNet
C) ResNet (Restliches Netzwerk)
D) AlexNet
  • 19. Welchen Zweck erfüllt die Homografie in der Computer Vision?
A) Abbildung eines Bildes auf eine andere Bildebene.
B) Normalisierung von Bildhistogrammen.
C) Verwischung der Bildgrenzen.
D) Erkennung von Objektkanten.
  • 20. Welche Aktivierungsfunktion wird üblicherweise in der Ausgabeschicht eines CNN für die Klassifizierung in mehrere Klassen verwendet?
A) Softmax
B) Sigmoid
C) Tanh
D) ReLU
  • 21. Welche Technik kann für die Feinabstimmung eines vortrainierten CNN-Modells für eine neue Aufgabe verwendet werden?
A) Lernen übertragen
B) Bildbeschneidung
C) PCA Dimensionalitätsreduktion
D) Geräuschinjektion
  • 22. Was bedeutet "Instanzsegmentierung" im Zusammenhang mit der Objekterkennung?
A) Anwendung von Farbfiltern auf Bilder.
B) Glättung der Pixelintensitäten.
C) Identifizieren und Abgrenzen einzelner Objekte innerhalb einer Szene.
D) Konvertierung von Bildern in Schwarz-Weiß.
  • 23. Wofür steht der Begriff "SIFT" im Zusammenhang mit der Bilderkennung?
A) Skaleninvariante Merkmalstransformation
B) Halbintegrierte Gesichtsverfolgung
C) Segmentierung von Bildmerkmalen und Texturen
D) Selektive Bildfilterungstechniken
Erstellt mit ThatQuiz — wo das Erstellen von Prüfungen und das Ablegen von Prüfungen für Mathematik und andere Fachbereiche einfach gemacht werden.