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