Vision par ordinateur et reconnaissance d'images - Quiz
  • 1. La vision par ordinateur est un domaine interdisciplinaire qui permet aux ordinateurs d'interpréter et de comprendre le monde visuel à partir d'images numériques ou de vidéos. Elle implique le développement d'algorithmes et de techniques pour extraire des informations significatives à partir de données visuelles, en imitant les capacités du système visuel humain. La reconnaissance d'images, un sous-ensemble de la vision par ordinateur, se concentre sur l'identification et la catégorisation d'objets, de scènes ou de modèles dans des images ou des vidéos. Grâce à l'utilisation de l'apprentissage profond, des réseaux neuronaux et de l'apprentissage automatique, la vision par ordinateur et la reconnaissance d'images ont des applications dans divers domaines, notamment les soins de santé, les véhicules autonomes, la surveillance, la réalité augmentée, etc.

    Qu'est-ce que la vision par ordinateur ?
A) Le processus de filtrage et d'amélioration des images visuelles.
B) L'utilisation d'écrans d'ordinateur pour afficher des images.
C) Domaine d'étude qui permet aux ordinateurs d'interpréter et de comprendre les informations visuelles du monde réel.
D) L'étude du fonctionnement de la vision humaine.
  • 2. Quel est l'objectif du prétraitement des images dans le domaine de la vision par ordinateur ?
A) Déformation aléatoire des images.
B) Amélioration de la qualité des images et réduction du bruit pour une meilleure analyse.
C) Modification des dimensions de l'image.
D) Rendre les images floues pour un effet artistique.
  • 3. Que signifie le terme "segmentation d'images" ?
A) Division d'une image en régions ou objets significatifs pour l'analyse.
B) Combinaison de plusieurs images en une seule.
C) Suppression des couleurs d'une image.
D) Création d'une image miroir de l'original.
  • 4. Quelle mesure d'évaluation est couramment utilisée pour les tâches de classification d'images ?
A) R au carré
B) Score F1
C) Erreur quadratique moyenne
D) Précision
  • 5. Quelle technique peut être utilisée pour réduire l'overfitting dans les modèles d'apprentissage profond pour la reconnaissance d'images ?
A) Régularisation de l'abandon
B) Ajouter des couches au réseau
C) Augmenter le taux d'apprentissage
D) Utilisation de lots plus petits
  • 6. Qu'entend-on par "apprentissage par transfert" dans le contexte de l'apprentissage profond pour la reconnaissance d'images ?
A) Transfert de gradients pendant la rétropropagation.
B) Utilisation de modèles pré-entraînés et adaptation à une tâche spécifique.
C) Transfert d'images entre différents appareils.
D) Transfert des pixels d'une image vers une nouvelle image.
  • 7. À quoi sert une "couche de mise en commun" dans un réseau neuronal convolutif ?
A) Réduire les dimensions spatiales de l'entrée.
B) Normalisation des valeurs d'entrée.
C) Augmentation du nombre de paramètres.
D) Introduire la non-linéarité dans le réseau.
  • 8. Quelle fonction d'activation est couramment utilisée dans les réseaux neuronaux convolutionnels ?
A) Sigmoïde
B) Linéaire
C) ReLU (Rectified Linear Unit)
D) Tanh
  • 9. À quoi sert une "matrice de confusion" dans l'évaluation des modèles de classification d'images ?
A) Conversion des images en niveaux de gris.
B) Création d'images composites.
C) Résumer les performances d'un modèle de classification en utilisant les valeurs de vrais positifs, faux positifs, vrais négatifs et faux négatifs.
D) Le floutage des images pour la protection de la vie privée.
  • 10. Quelle technique est utilisée pour identifier et localiser des objets dans une image ?
A) Extraction des caractéristiques
B) Segmentation des images
C) Classification des images
D) Détection d'objets
  • 11. Quelle est la technique couramment utilisée pour l'extraction des caractéristiques d'une image ?
A) Analyse en composantes principales (ACP)
B) Voisins les plus proches (K-Nearest Neighbors - KNN)
C) Machines à vecteurs de support (SVM)
D) Réseaux neuronaux convolutifs (CNN)
  • 12. Quel modèle CNN pré-entraîné est couramment utilisé pour diverses tâches de reconnaissance d'images ?
A) ResNet (Réseau résiduel)
B) AlexNet
C) InceptionNet
D) VGGNet
  • 13. Que signifie le terme "SIFT" dans le contexte de la reconnaissance d'images ?
A) Transformations de caractéristiques invariantes à l'échelle
B) Segmentation des caractéristiques et des textures des images
C) Technique de filtrage sélectif des images
D) Suivi semi-intégré des visages
  • 14. Que signifie CNN ?
A) Réseau de neurones informatisé
B) Réseau complexe de neurones
C) Réseau neuronal contrôlé
D) Réseau neuronal convolutif
  • 15. Quelle technique est utilisée pour le débruitage des images dans le domaine de la vision par ordinateur ?
A) Débruitage non local
B) Rotation des images
C) Augmentation de la résolution de l'image
D) Ajout de bruit aux images
  • 16. Quel est l'objectif de l'homographie dans le domaine de la vision par ordinateur ?
A) Détection des bords des objets.
B) Normalisation des histogrammes d'images.
C) Les limites de l'image sont floues.
D) Cartographie d'une image sur un autre plan d'image.
  • 17. Quelle couche d'un CNN est responsable de la réduction des dimensions spatiales ?
A) Couche convolutive
B) Couche de mise en commun
C) Couche entièrement connectée
D) Couche d'activation
  • 18. Quelle fonction de perte est couramment utilisée dans les tâches de classification d'images ?
A) Perte de L1
B) Perte d'entropie croisée
C) Perte d'entropie croisée binaire
D) Erreur quadratique moyenne
  • 19. Quel est l'exemple d'un ensemble de données populaire couramment utilisé pour les tâches de reconnaissance d'images ?
A) Ensemble de données sur le spam
B) ImageNet
C) Ensemble de données météorologiques
D) Ensemble de données sur les paroles de chansons
  • 20. Quelle technique peut être utilisée pour affiner un modèle CNN pré-entraîné en vue d'une nouvelle tâche ?
A) Apprentissage par transfert
B) Recadrage des images
C) Réduction de la dimensionnalité de l'ACP
D) Injection de bruit
  • 21. Quelle méthode peut être utilisée pour calculer le flux optique dans le traitement vidéo ?
A) Méthode Lucas-Kanade
B) Égalisation d'histogramme
C) Flou gaussien
D) Transformée de Fourier
  • 22. Qu'est-ce que la "segmentation d'instance" dans le contexte de la détection d'objets ?
A) Identifier et délimiter des objets individuels dans une scène.
B) Conversion des images en noir et blanc.
C) Application de filtres de couleur aux images.
D) Lissage des intensités des pixels.
  • 23. Quelle fonction d'activation est généralement utilisée dans la couche de sortie d'un CNN pour la classification multi-classes ?
A) Softmax
B) Sigmoïde
C) Tanh
D) ReLU
Créé avec That Quiz — où la rédaction de tests et l’administration de tests sont rendues facile pour les mathématiques et d’autres matières..