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