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