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