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 διαδικασία φιλτραρίσματος και βελτίωσης οπτικών εικόνων.
D) Η μελέτη της λειτουργίας της ανθρώπινης όρασης.

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

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

3. Τι σημαίνει ο όρος "τμηματοποίηση εικόνας";

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

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

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

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

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

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

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

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

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

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

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

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

A) Θόλωση εικόνων για την προστασία της ιδιωτικής ζωής.
B) Δημιουργία σύνθετων εικόνων.
C) Μετατροπή εικόνων σε κλίμακα του γκρι.
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) Μεταφορά μάθησης
C) Περικοπή εικόνας
D) Έγχυση θορύβου

11. Τι σημαίνει το CNN;

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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.