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