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) Domaine d'étude qui permet aux ordinateurs d'interpréter et de comprendre les informations visuelles du monde réel.
B) Le processus de filtrage et d'amélioration des images visuelles.
C) L'étude du fonctionnement de la vision humaine.
D) L'utilisation d'écrans d'ordinateur pour afficher des images.
  • 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) Modification des dimensions de l'image.
C) Déformation aléatoire des images.
D) Rendre les images floues pour un effet artistique.
  • 3. Que signifie le terme "segmentation d'images" ?
A) Création d'une image miroir de l'original.
B) Division d'une image en régions ou objets significatifs pour l'analyse.
C) Combinaison de plusieurs images en une seule.
D) Suppression des couleurs d'une image.
  • 4. Quelle mesure d'évaluation est couramment utilisée pour les tâches de classification d'images ?
A) R au carré
B) Score F1
C) Précision
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) Ajouter des couches au réseau
B) Utilisation de lots plus petits
C) Régularisation de l'abandon
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) Normalisation des valeurs d'entrée.
B) Introduire la non-linéarité dans le réseau.
C) Réduire les dimensions spatiales de l'entrée.
D) Augmentation du nombre de paramètres.
  • 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) Création d'images composites.
B) Le floutage des images pour la protection de la vie privée.
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) Identifier et délimiter des objets individuels dans une scène.
B) Application de filtres de couleur aux images.
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) Réduction de la dimensionnalité de l'ACP
B) Recadrage des images
C) Apprentissage par transfert
D) Injection de bruit
  • 12. Quelle couche d'un CNN est responsable de la réduction des dimensions spatiales ?
A) Couche convolutive
B) Couche entièrement connectée
C) Couche d'activation
D) Couche de mise en commun
  • 13. Quelle est la technique couramment utilisée pour l'extraction des caractéristiques d'une image ?
A) Réseaux neuronaux convolutifs (CNN)
B) Machines à vecteurs de support (SVM)
C) Voisins les plus proches (K-Nearest Neighbors - KNN)
D) Analyse en composantes principales (ACP)
  • 14. Quelle méthode peut être utilisée pour calculer le flux optique dans le traitement vidéo ?
A) Flou gaussien
B) Transformée de Fourier
C) Égalisation d'histogramme
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 les paroles de chansons
B) Ensemble de données sur le spam
C) ImageNet
D) Ensemble de données météorologiques
  • 16. Que signifie CNN ?
A) Réseau complexe de neurones
B) Réseau neuronal convolutif
C) Réseau de neurones informatisé
D) Réseau neuronal contrôlé
  • 17. Quelle technique est utilisée pour le débruitage des images dans le domaine de la vision par ordinateur ?
A) Augmentation de la résolution de l'image
B) Débruitage non local
C) Ajout de bruit aux images
D) Rotation des images
  • 18. 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) Suivi semi-intégré des visages
D) Segmentation des caractéristiques et des textures des images
  • 19. 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
  • 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) Détection des bords des objets.
B) Cartographie d'une image sur un autre plan d'image.
C) Les limites de l'image sont floues.
D) Normalisation des histogrammes d'images.
  • 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) InceptionNet
C) VGGNet
D) ResNet (Réseau résiduel)
Créé avec That Quiz — où la rédaction de tests et l’administration de tests sont rendues facile pour les mathématiques et d’autres matières..