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