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