ThatQuiz Bibliothèque de tests Faire ce test maintenant
Vision par ordinateur et reconnaissance d'images - Quiz
Contribué par: Bouvier
  • 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'étude du fonctionnement de la vision humaine.
B) L'utilisation d'écrans d'ordinateur pour afficher des images.
C) Le processus de filtrage et d'amélioration des images visuelles.
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) Rendre les images floues pour un effet artistique.
B) Déformation aléatoire des images.
C) Modification des dimensions de l'image.
D) Amélioration de la qualité des images et réduction du bruit pour une meilleure analyse.
  • 3. Que signifie le terme "segmentation d'images" ?
A) Création d'une image miroir de l'original.
B) Suppression des couleurs d'une image.
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) Score F1
B) R au carré
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) Augmenter le taux d'apprentissage
B) Utilisation de lots plus petits
C) Ajouter des couches au réseau
D) Régularisation de l'abandon
  • 6. Qu'entend-on par "apprentissage par transfert" dans le contexte de l'apprentissage profond pour la reconnaissance d'images ?
A) Transfert des pixels d'une image vers une nouvelle image.
B) Transfert de gradients pendant la rétropropagation.
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) Réduire les dimensions spatiales de l'entrée.
B) Augmentation du nombre de paramètres.
C) Normalisation des valeurs d'entrée.
D) Introduire la non-linéarité dans le réseau.
  • 8. Quelle fonction d'activation est couramment utilisée dans les réseaux neuronaux convolutionnels ?
A) Tanh
B) ReLU (Rectified Linear Unit)
C) Sigmoïde
D) Linéaire
  • 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) Création d'images composites.
C) Conversion des images en niveaux de gris.
D) Résumer les performances d'un modèle de classification en utilisant les valeurs de vrais positifs, faux positifs, vrais négatifs et faux négatifs.
  • 10. Qu'est-ce que la "segmentation d'instance" dans le contexte de la détection d'objets ?
A) Conversion des images en noir et blanc.
B) Lissage des intensités des pixels.
C) Application de filtres de couleur aux images.
D) Identifier et délimiter des objets individuels dans une scène.
  • 11. Quelle technique peut être utilisée pour affiner un modèle CNN pré-entraîné en vue d'une nouvelle tâche ?
A) Recadrage des images
B) Apprentissage par transfert
C) Réduction de la dimensionnalité de l'ACP
D) Injection de bruit
  • 12. Quelle couche d'un CNN est responsable de la réduction des dimensions spatiales ?
A) Couche entièrement connectée
B) Couche de mise en commun
C) Couche d'activation
D) Couche convolutive
  • 13. Quelle est la technique couramment utilisée pour l'extraction des caractéristiques d'une image ?
A) Réseaux neuronaux convolutifs (CNN)
B) Analyse en composantes principales (ACP)
C) Voisins les plus proches (K-Nearest Neighbors - KNN)
D) Machines à vecteurs de support (SVM)
  • 14. Quelle méthode peut être utilisée pour calculer le flux optique dans le traitement vidéo ?
A) Transformée de Fourier
B) Égalisation d'histogramme
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) ImageNet
B) Ensemble de données sur les paroles de chansons
C) Ensemble de données sur le spam
D) Ensemble de données météorologiques
  • 16. Que signifie CNN ?
A) Réseau neuronal contrôlé
B) Réseau de neurones informatisé
C) Réseau complexe de neurones
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) Augmentation de la résolution de l'image
C) Débruitage non local
D) Rotation des images
  • 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 d'entropie croisée binaire
C) Erreur quadratique moyenne
D) Perte de L1
  • 20. Quelle technique est utilisée pour identifier et localiser des objets dans une image ?
A) Détection d'objets
B) Segmentation des images
C) Classification des images
D) Extraction des caractéristiques
  • 21. Quel est l'objectif de l'homographie dans le domaine de la vision par ordinateur ?
A) Normalisation des histogrammes d'images.
B) Détection des bords des objets.
C) Les limites de l'image sont floues.
D) Cartographie d'une image sur un autre plan d'image.
  • 22. Quelle fonction d'activation est généralement utilisée dans la couche de sortie d'un CNN pour la classification multi-classes ?
A) Softmax
B) Tanh
C) ReLU
D) Sigmoïde
  • 23. Quel modèle CNN pré-entraîné est couramment utilisé pour diverses tâches de reconnaissance d'images ?
A) InceptionNet
B) ResNet (Réseau résiduel)
C) VGGNet
D) AlexNet
Créé avec That Quiz — où la rédaction de tests et l’administration de tests sont rendues facile pour les mathématiques et d’autres matières..