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