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