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'étude du fonctionnement de la vision humaine.
C) L'utilisation d'écrans d'ordinateur pour afficher des images.
D) Domaine d'étude qui permet aux ordinateurs d'interpréter et de comprendre les informations visuelles du monde réel.

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) Déformation aléatoire des images.
D) Rendre les images floues pour un effet artistique.

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

A) Combinaison de plusieurs images en une seule.
B) Suppression des couleurs d'une image.
C) Création d'une image miroir de l'original.
D) Division d'une image en régions ou objets significatifs pour l'analyse.

4. Quelle mesure d'évaluation est couramment utilisée pour les tâches de classification d'images ?

A) R au carré
B) Erreur quadratique moyenne
C) Précision
D) Score F1

5. Quelle technique peut être utilisée pour réduire l'overfitting dans les modèles d'apprentissage profond pour la reconnaissance d'images ?

A) Utilisation de lots plus petits
B) Régularisation de l'abandon
C) Ajouter des couches au réseau
D) Augmenter le taux d'apprentissage

6. Qu'entend-on par "apprentissage par transfert" dans le contexte de l'apprentissage profond pour la reconnaissance d'images ?

A) Transfert d'images entre différents appareils.
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 de gradients pendant la rétropropagation.

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

A) Augmentation du nombre de paramètres.
B) Introduire la non-linéarité dans le réseau.
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) Création d'images composites.
B) Résumer les performances d'un modèle de classification en utilisant les valeurs de vrais positifs, faux positifs, vrais négatifs et faux négatifs.
C) Conversion des images en niveaux de gris.
D) Le floutage des images pour la protection de la vie privée.

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

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

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

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

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

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

13. Que signifie CNN ?

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

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

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

15. 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

16. 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.

17. 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) Ensemble de données météorologiques
C) ImageNet
D) Ensemble de données sur le spam

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

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

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

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

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

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

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

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

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

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

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

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

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