Όραση υπολογιστών και αναγνώριση εικόνας

Όραση υπολογιστών και αναγνώριση εικόνας - εξέταση

1. Η όραση υπολογιστών είναι ένας διεπιστημονικός τομέας που επιτρέπει στους υπολογιστές να ερμηνεύουν και να κατανοούν τον οπτικό κόσμο από ψηφιακές εικόνες ή βίντεο. Περιλαμβάνει την ανάπτυξη αλγορίθμων και τεχνικών για την εξαγωγή σημαντικών πληροφοριών από οπτικά δεδομένα, μιμούμενη τις δυνατότητες του ανθρώπινου οπτικού συστήματος. Η αναγνώριση εικόνας, ένα υποσύνολο της όρασης υπολογιστών, επικεντρώνεται στον εντοπισμό και την κατηγοριοποίηση αντικειμένων, σκηνών ή μοτίβων σε εικόνες ή βίντεο. Μέσω της χρήσης της βαθιάς μάθησης, των νευρωνικών δικτύων και της μηχανικής μάθησης, η υπολογιστική όραση και η αναγνώριση εικόνας έχουν εφαρμογές σε διάφορους τομείς, όπως η υγειονομική περίθαλψη, τα αυτόνομα οχήματα, η επιτήρηση, η επαυξημένη πραγματικότητα και άλλα.

Τι είναι η όραση υπολογιστών;

A) Η χρήση οθονών υπολογιστών για την προβολή εικόνων.
B) Το πεδίο μελέτης που επιτρέπει στους υπολογιστές να ερμηνεύουν και να κατανοούν οπτικές πληροφορίες από τον πραγματικό κόσμο.
C) Η μελέτη της λειτουργίας της ανθρώπινης όρασης.
D) Η διαδικασία φιλτραρίσματος και βελτίωσης οπτικών εικόνων.

2. Ποιος είναι ο σκοπός της προεπεξεργασίας εικόνων στην Όραση Υπολογιστών;

A) Αλλαγή των διαστάσεων της εικόνας.
B) Τυχαία παραμόρφωση εικόνων.
C) Βελτίωση της ποιότητας της εικόνας και μείωση του θορύβου για καλύτερη ανάλυση.
D) Θόλωση εικόνων για καλλιτεχνικό αποτέλεσμα.

3. Τι σημαίνει ο όρος "τμηματοποίηση εικόνας";

A) Συνδυασμός πολλαπλών εικόνων σε μία.
B) Διαχωρισμός μιας εικόνας σε σημαντικές περιοχές ή αντικείμενα για ανάλυση.
C) Δημιουργία μιας κατοπτρικής εικόνας του πρωτοτύπου.
D) Αφαίρεση χρωμάτων από μια εικόνα.

4. Ποια μετρική αξιολόγησης χρησιμοποιείται συνήθως για εργασίες ταξινόμησης εικόνων;

A) Μέσο τετραγωνικό σφάλμα
B) Βαθμολογία F1
C) Ακρίβεια
D) Τετράγωνο R

5. Ποια τεχνική μπορεί να χρησιμοποιηθεί για τη μείωση της υπερπροσαρμογής σε μοντέλα βαθιάς μάθησης για την αναγνώριση εικόνων;

A) Χρήση μικρότερων μεγεθών παρτίδας
B) Αύξηση του ρυθμού μάθησης
C) Ρύθμιση της εγκατάλειψης
D) Προσθήκη περισσότερων επιπέδων στο δίκτυο

6. Τι σημαίνει "μάθηση μεταφοράς" στο πλαίσιο της βαθιάς μάθησης για την αναγνώριση εικόνων;

A) Μεταφορά εικονοστοιχείων εικόνας σε νέα εικόνα.
B) Μεταφορά εικόνων μεταξύ διαφορετικών συσκευών.
C) Μεταφορά κλίσεων κατά την οπισθοδιάδοση.
D) Χρήση προ-εκπαιδευμένων μοντέλων και λεπτομερής ρύθμιση για μια συγκεκριμένη εργασία.

7. Ποιος είναι ο σκοπός ενός "στρώματος συγκέντρωσης" σε ένα συνελικτικό νευρωνικό δίκτυο;

A) Κανονικοποίηση τιμών εισόδου.
B) Μείωση των χωρικών διαστάσεων της εισόδου.
C) Εισαγωγή μη γραμμικότητας στο δίκτυο.
D) Αύξηση του αριθμού των παραμέτρων.

8. Ποια συνάρτηση ενεργοποίησης χρησιμοποιείται συνήθως στα συνελικτικά νευρωνικά δίκτυα;

A) ReLU (διορθωμένη γραμμική μονάδα)
B) Σιγμοειδές
C) Tanh
D) Γραμμική

9. Τι είναι ο "πίνακας σύγχυσης" που χρησιμοποιείται για την αξιολόγηση μοντέλων ταξινόμησης εικόνων;

A) Μετατροπή εικόνων σε κλίμακα του γκρι.
B) Θόλωση εικόνων για την προστασία της ιδιωτικής ζωής.
C) Δημιουργία σύνθετων εικόνων.
D) Συνοπτική παρουσίαση της απόδοσης ενός μοντέλου ταξινόμησης με τη χρήση των τιμών αληθώς θετικών, ψευδώς θετικών, αληθώς αρνητικών και ψευδώς αρνητικών.

10. Ποια τεχνική μπορεί να χρησιμοποιηθεί για τη λεπτομερή ρύθμιση ενός προ-εκπαιδευμένου μοντέλου CNN για μια νέα εργασία;

A) Μείωση διαστάσεων PCA
B) Έγχυση θορύβου
C) Περικοπή εικόνας
D) Μεταφορά μάθησης

11. Τι σημαίνει το CNN;

A) Ελεγχόμενο νευρωνικό δίκτυο
B) Πολύπλοκο δίκτυο νευρώνων
C) Υπολογιστικό δίκτυο νευρώνων
D) Συνελικτικό νευρωνικό δίκτυο

12. Ποιο είναι ένα παράδειγμα ενός δημοφιλούς συνόλου δεδομένων που χρησιμοποιείται συνήθως για εργασίες αναγνώρισης εικόνας;

A) Σύνολο δεδομένων στίχων τραγουδιών
B) ImageNet
C) Σύνολο δεδομένων καιρού
D) Σύνολο δεδομένων spam

13. Ποια συνάρτηση ενεργοποίησης χρησιμοποιείται συνήθως στο στρώμα εξόδου ενός CNN για ταξινόμηση πολλαπλών κλάσεων;

A) Softmax
B) Tanh
C) Σιγμοειδές
D) ReLU

14. Ποιος είναι ο σκοπός της ομοιογραφίας στην Όραση Υπολογιστών;

A) Ανίχνευση ακμών αντικειμένων.
B) Κανονικοποίηση ιστογραμμάτων εικόνας.
C) Θόλωση των ορίων της εικόνας.
D) Χαρτογράφηση μιας εικόνας σε ένα άλλο επίπεδο εικόνας.

15. Ποια μέθοδος μπορεί να χρησιμοποιηθεί για τον υπολογισμό της οπτικής ροής στην επεξεργασία βίντεο;

A) Γκαουσιανή θολούρα
B) Ισοστάθμιση ιστογράμματος
C) Μέθοδος Lucas-Kanade
D) Μετασχηματισμός Fourier

16. Ποιο προ-εκπαιδευμένο μοντέλο CNN χρησιμοποιείται συνήθως για διάφορες εργασίες αναγνώρισης εικόνας;

A) ResNet (υπολειμματικό δίκτυο)
B) VGGNet
C) InceptionNet
D) AlexNet

17. Τι σημαίνει ο όρος "SIFT" στο πλαίσιο της αναγνώρισης εικόνων;

A) Τμηματοποίηση χαρακτηριστικών και υφών εικόνας
B) Μετασχηματισμός αναλλοίωτου χαρακτηριστικού με κλίμακα
C) Ημι-ενσωματωμένη παρακολούθηση προσώπου
D) Τεχνική επιλεκτικού φιλτραρίσματος εικόνας

18. Ποια συνάρτηση απώλειας χρησιμοποιείται συνήθως σε εργασίες ταξινόμησης εικόνων;

A) Δυαδική απώλεια διασταυρούμενης εντροπίας
B) Απώλεια L1
C) Μέσο τετραγωνικό σφάλμα
D) Διασταυρούμενη απώλεια εντροπίας

19. Τι είναι η "τμηματοποίηση περιπτώσεων" στο πλαίσιο της ανίχνευσης αντικειμένων;

A) Προσδιορισμός και οριοθέτηση μεμονωμένων αντικειμένων σε μια σκηνή.
B) Εξομάλυνση των εντάσεων των εικονοστοιχείων.
C) Μετατροπή εικόνων σε ασπρόμαυρες.
D) Εφαρμογή χρωματικών φίλτρων σε εικόνες.

20. Ποιο στρώμα σε ένα CNN είναι υπεύθυνο για τη μείωση των χωρικών διαστάσεων;

A) Στρώμα ενεργοποίησης
B) Πλήρως συνδεδεμένο επίπεδο
C) Στρώμα συγκέντρωσης
D) Συνελικτικό στρώμα

21. Ποια τεχνική χρησιμοποιείται για την αποθορυβοποίηση εικόνας στην Όραση Υπολογιστών;

A) Αποθορυβοποίηση μη τοπικών μέσων
B) Αύξηση της ανάλυσης εικόνας
C) Προσθήκη θορύβου σε εικόνες
D) Περιστρεφόμενες εικόνες

22. Ποια τεχνική χρησιμοποιείται συνήθως για την εξαγωγή χαρακτηριστικών εικόνας;

A) Μηχανές διανυσμάτων υποστήριξης (SVM)
B) Συνελικτικά νευρωνικά δίκτυα (CNN)
C) Κ-κοντινότεροι γείτονες (KNN)
D) Ανάλυση κύριων συνιστωσών (PCA)

23. Ποια τεχνική χρησιμοποιείται για την αναγνώριση και τον εντοπισμό αντικειμένων σε μια εικόνα;

A) Ανίχνευση αντικειμένων
B) Εξαγωγή χαρακτηριστικών
C) Τμηματοποίηση εικόνας
D) Ταξινόμηση εικόνων

Δημιουργήθηκε με That Quiz — Δημιουργώντας δοκιμασίες και εκτελώντας δραστηριότητες όλα γίνονται εύκολα στα μαθηματικά και στ` άλλα γνωστικά αντικείμενα.