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