Όραση υπολογιστών και αναγνώριση εικόνας - εξέταση
A) Η διαδικασία φιλτραρίσματος και βελτίωσης οπτικών εικόνων. B) Το πεδίο μελέτης που επιτρέπει στους υπολογιστές να ερμηνεύουν και να κατανοούν οπτικές πληροφορίες από τον πραγματικό κόσμο. C) Η χρήση οθονών υπολογιστών για την προβολή εικόνων. D) Η μελέτη της λειτουργίας της ανθρώπινης όρασης.
A) Αλλαγή των διαστάσεων της εικόνας. B) Τυχαία παραμόρφωση εικόνων. C) Θόλωση εικόνων για καλλιτεχνικό αποτέλεσμα. D) Βελτίωση της ποιότητας της εικόνας και μείωση του θορύβου για καλύτερη ανάλυση.
A) Διαχωρισμός μιας εικόνας σε σημαντικές περιοχές ή αντικείμενα για ανάλυση. B) Συνδυασμός πολλαπλών εικόνων σε μία. C) Αφαίρεση χρωμάτων από μια εικόνα. D) Δημιουργία μιας κατοπτρικής εικόνας του πρωτοτύπου.
A) Μέσο τετραγωνικό σφάλμα B) Ακρίβεια C) Βαθμολογία F1 D) Τετράγωνο R
A) Ρύθμιση της εγκατάλειψης B) Προσθήκη περισσότερων επιπέδων στο δίκτυο C) Χρήση μικρότερων μεγεθών παρτίδας D) Αύξηση του ρυθμού μάθησης
A) Μεταφορά εικονοστοιχείων εικόνας σε νέα εικόνα. B) Χρήση προ-εκπαιδευμένων μοντέλων και λεπτομερής ρύθμιση για μια συγκεκριμένη εργασία. C) Μεταφορά κλίσεων κατά την οπισθοδιάδοση. D) Μεταφορά εικόνων μεταξύ διαφορετικών συσκευών.
A) Κανονικοποίηση τιμών εισόδου. B) Εισαγωγή μη γραμμικότητας στο δίκτυο. C) Αύξηση του αριθμού των παραμέτρων. D) Μείωση των χωρικών διαστάσεων της εισόδου.
A) Γραμμική B) ReLU (διορθωμένη γραμμική μονάδα) C) Σιγμοειδές D) Tanh
A) Συνοπτική παρουσίαση της απόδοσης ενός μοντέλου ταξινόμησης με τη χρήση των τιμών αληθώς θετικών, ψευδώς θετικών, αληθώς αρνητικών και ψευδώς αρνητικών. B) Δημιουργία σύνθετων εικόνων. C) Θόλωση εικόνων για την προστασία της ιδιωτικής ζωής. D) Μετατροπή εικόνων σε κλίμακα του γκρι.
A) Μετασχηματισμός αναλλοίωτου χαρακτηριστικού με κλίμακα B) Τμηματοποίηση χαρακτηριστικών και υφών εικόνας C) Τεχνική επιλεκτικού φιλτραρίσματος εικόνας D) Ημι-ενσωματωμένη παρακολούθηση προσώπου
A) VGGNet B) ResNet (υπολειμματικό δίκτυο) C) AlexNet D) InceptionNet
A) Εξομάλυνση των εντάσεων των εικονοστοιχείων. B) Προσδιορισμός και οριοθέτηση μεμονωμένων αντικειμένων σε μια σκηνή. C) Μετατροπή εικόνων σε ασπρόμαυρες. D) Εφαρμογή χρωματικών φίλτρων σε εικόνες.
A) Μηχανές διανυσμάτων υποστήριξης (SVM) B) Κ-κοντινότεροι γείτονες (KNN) C) Συνελικτικά νευρωνικά δίκτυα (CNN) D) Ανάλυση κύριων συνιστωσών (PCA)
A) Στρώμα συγκέντρωσης B) Συνελικτικό στρώμα C) Στρώμα ενεργοποίησης D) Πλήρως συνδεδεμένο επίπεδο
A) Κανονικοποίηση ιστογραμμάτων εικόνας. B) Ανίχνευση ακμών αντικειμένων. C) Χαρτογράφηση μιας εικόνας σε ένα άλλο επίπεδο εικόνας. D) Θόλωση των ορίων της εικόνας.
A) Ελεγχόμενο νευρωνικό δίκτυο B) Πολύπλοκο δίκτυο νευρώνων C) Συνελικτικό νευρωνικό δίκτυο D) Υπολογιστικό δίκτυο νευρώνων
A) ReLU B) Σιγμοειδές C) Tanh D) Softmax
A) Γκαουσιανή θολούρα B) Μετασχηματισμός Fourier C) Μέθοδος Lucas-Kanade D) Ισοστάθμιση ιστογράμματος
A) Περικοπή εικόνας B) Μείωση διαστάσεων PCA C) Μεταφορά μάθησης D) Έγχυση θορύβου
A) Τμηματοποίηση εικόνας B) Ταξινόμηση εικόνων C) Εξαγωγή χαρακτηριστικών D) Ανίχνευση αντικειμένων
A) Περιστρεφόμενες εικόνες B) Προσθήκη θορύβου σε εικόνες C) Αύξηση της ανάλυσης εικόνας D) Αποθορυβοποίηση μη τοπικών μέσων
A) ImageNet B) Σύνολο δεδομένων spam C) Σύνολο δεδομένων στίχων τραγουδιών D) Σύνολο δεδομένων καιρού
A) Απώλεια L1 B) Μέσο τετραγωνικό σφάλμα C) Δυαδική απώλεια διασταυρούμενης εντροπίας D) Διασταυρούμενη απώλεια εντροπίας |
Δημιουργήθηκε με That Quiz —
Δημιουργώντας δοκιμασίες και εκτελώντας δραστηριότητες όλα γίνονται εύκολα στα μαθηματικά και στ` άλλα γνωστικά αντικείμενα.