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) Domaine d'étude qui permet aux ordinateurs d'interpréter et de comprendre les informations visuelles du monde réel.
B) L'utilisation d'écrans d'ordinateur pour afficher des images.
C) L'étude du fonctionnement de la vision humaine.
D) Le processus de filtrage et d'amélioration des images visuelles.
  • 2. Quel est l'objectif du prétraitement des images dans le domaine de la vision par ordinateur ?
A) Rendre les images floues pour un effet artistique.
B) Modification des dimensions de l'image.
C) Déformation aléatoire des images.
D) Amélioration de la qualité des images et réduction du bruit pour une meilleure analyse.
  • 3. Que signifie le terme "segmentation d'images" ?
A) Suppression des couleurs d'une image.
B) Création d'une image miroir de l'original.
C) Combinaison de plusieurs images en une seule.
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) Erreur quadratique moyenne
B) Précision
C) Score F1
D) R au carré
  • 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) Transfert de gradients pendant la rétropropagation.
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) 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) Linéaire
B) Tanh
C) Sigmoïde
D) ReLU (Rectified Linear Unit)
  • 9. À quoi sert une "matrice de confusion" dans l'évaluation des modèles de classification d'images ?
A) Le floutage des images pour la protection de la vie privée.
B) Conversion des images en niveaux de gris.
C) Création d'images composites.
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) Détection d'objets
B) Extraction des caractéristiques
C) Classification des images
D) Segmentation des images
  • 11. Quelle est la technique couramment utilisée pour l'extraction des caractéristiques d'une image ?
A) Machines à vecteurs de support (SVM)
B) Voisins les plus proches (K-Nearest Neighbors - KNN)
C) Réseaux neuronaux convolutifs (CNN)
D) Analyse en composantes principales (ACP)
  • 12. Quel modèle CNN pré-entraîné est couramment utilisé pour diverses tâches de reconnaissance d'images ?
A) AlexNet
B) VGGNet
C) InceptionNet
D) ResNet (Réseau résiduel)
  • 13. Que signifie le terme "SIFT" dans le contexte de la reconnaissance d'images ?
A) Suivi semi-intégré des visages
B) Technique de filtrage sélectif des images
C) Segmentation des caractéristiques et des textures des images
D) Transformations de caractéristiques invariantes à l'échelle
  • 14. Que signifie CNN ?
A) Réseau neuronal contrôlé
B) Réseau de neurones informatisé
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) Ajout de bruit aux images
B) Rotation des images
C) Débruitage non local
D) Augmentation de la résolution de l'image
  • 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) Cartographie d'une image sur un autre plan d'image.
C) Détection des bords des objets.
D) Normalisation des histogrammes d'images.
  • 17. Quelle couche d'un CNN est responsable de la réduction des dimensions spatiales ?
A) Couche d'activation
B) Couche convolutive
C) Couche de mise en commun
D) Couche entièrement connectée
  • 18. Quelle fonction de perte est couramment utilisée dans les tâches de classification d'images ?
A) Perte d'entropie croisée binaire
B) Perte de L1
C) Erreur quadratique moyenne
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) ImageNet
B) Ensemble de données sur les paroles de chansons
C) Ensemble de données météorologiques
D) Ensemble de données sur le spam
  • 20. Quelle technique peut être utilisée pour affiner un modèle CNN pré-entraîné en vue d'une nouvelle tâche ?
A) Réduction de la dimensionnalité de l'ACP
B) Injection de bruit
C) Recadrage des images
D) Apprentissage par transfert
  • 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) Lissage des intensités des pixels.
B) Conversion des images en noir et blanc.
C) Identifier et délimiter des objets individuels dans une scène.
D) Application de filtres de couleur aux images.
  • 23. Quelle fonction d'activation est généralement utilisée dans la couche de sortie d'un CNN pour la classification multi-classes ?
A) ReLU
B) Tanh
C) Softmax
D) Sigmoïde
Créé avec That Quiz — où la rédaction de tests et l’administration de tests sont rendues facile pour les mathématiques et d’autres matières..