Vision par ordinateur et reconnaissance d'images

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) Amélioration de la qualité des images et réduction du bruit pour une meilleure analyse.
B) Rendre les images floues pour un effet artistique.
C) Modification des dimensions de l'image.
D) Déformation aléatoire des images.

3. Que signifie le terme "segmentation d'images" ?

A) Combinaison de plusieurs images en une seule.
B) Suppression des couleurs d'une image.
C) Division d'une image en régions ou objets significatifs pour l'analyse.
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) Erreur quadratique moyenne
C) Score F1
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) Utilisation de lots plus petits
C) Augmenter le taux d'apprentissage
D) Ajouter des couches au réseau

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) Transfert des pixels d'une image vers une nouvelle image.
C) Utilisation de modèles pré-entraînés et adaptation à une tâche spécifique.
D) Transfert d'images entre différents appareils.

7. À quoi sert une "couche de mise en commun" dans un réseau neuronal convolutif ?

A) Introduire la non-linéarité dans le réseau.
B) Augmentation du nombre de paramètres.
C) Normalisation des valeurs d'entrée.
D) Réduire les dimensions spatiales de l'entrée.

8. Quelle fonction d'activation est couramment utilisée dans les réseaux neuronaux convolutionnels ?

A) ReLU (Rectified Linear Unit)
B) Sigmoïde
C) Linéaire
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) Le floutage des images pour la protection de la vie privée.
D) Résumer les performances d'un modèle de classification en utilisant les valeurs de vrais positifs, faux positifs, vrais négatifs et faux négatifs.

10. Quelle technique est utilisée pour identifier et localiser des objets dans une image ?

A) Classification des images
B) Segmentation des images
C) Détection d'objets
D) Extraction des caractéristiques

11. Quelle est la technique couramment utilisée pour l'extraction des caractéristiques d'une image ?

A) Réseaux neuronaux convolutifs (CNN)
B) Voisins les plus proches (K-Nearest Neighbors - KNN)
C) Machines à vecteurs de support (SVM)
D) Analyse en composantes principales (ACP)

12. Quel modèle CNN pré-entraîné est couramment utilisé pour diverses tâches de reconnaissance d'images ?

A) VGGNet
B) InceptionNet
C) ResNet (Réseau résiduel)
D) AlexNet

13. Que signifie le terme "SIFT" dans le contexte de la reconnaissance d'images ?

A) Suivi semi-intégré des visages
B) Transformations de caractéristiques invariantes à l'échelle
C) Segmentation des caractéristiques et des textures des images
D) Technique de filtrage sélectif des images

14. Que signifie CNN ?

A) Réseau de neurones informatisé
B) Réseau neuronal contrôlé
C) Réseau neuronal convolutif
D) Réseau complexe de neurones

15. Quelle technique est utilisée pour le débruitage des images dans le domaine de la vision par ordinateur ?

A) Débruitage non local
B) Augmentation de la résolution de l'image
C) Ajout de bruit aux images
D) Rotation des images

16. Quel est l'objectif de l'homographie dans le domaine de la vision par ordinateur ?

A) Les limites de l'image sont floues.
B) Normalisation des histogrammes d'images.
C) Cartographie d'une image sur un autre plan d'image.
D) Détection des bords des objets.

17. Quelle couche d'un CNN est responsable de la réduction des dimensions spatiales ?

A) Couche entièrement connectée
B) Couche d'activation
C) Couche convolutive
D) Couche de mise en commun

18. Quelle fonction de perte est couramment utilisée dans les tâches de classification d'images ?

A) Perte d'entropie croisée binaire
B) Erreur quadratique moyenne
C) Perte de L1
D) Perte d'entropie croisée

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 les paroles de chansons
B) ImageNet
C) Ensemble de données sur le spam
D) Ensemble de données météorologiques

20. Quelle technique peut être utilisée pour affiner un modèle CNN pré-entraîné en vue d'une nouvelle tâche ?

A) Recadrage des images
B) Réduction de la dimensionnalité de l'ACP
C) Apprentissage par transfert
D) Injection de bruit

21. Quelle méthode peut être utilisée pour calculer le flux optique dans le traitement vidéo ?

A) Flou gaussien
B) Égalisation d'histogramme
C) Méthode Lucas-Kanade
D) Transformée de Fourier

22. Qu'est-ce que la "segmentation d'instance" dans le contexte de la détection d'objets ?

A) Lissage des intensités des pixels.
B) Application de filtres de couleur aux images.
C) Identifier et délimiter des objets individuels dans une scène.
D) Conversion des images en noir et blanc.

23. Quelle fonction d'activation est généralement utilisée dans la couche de sortie d'un CNN pour la classification multi-classes ?

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

Créé avec That Quiz — où la rédaction de tests et l’administration de tests sont rendues facile pour les mathématiques et d’autres matières..