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) Le processus de filtrage et d'amélioration des images visuelles.
C) Domaine d'étude qui permet aux ordinateurs d'interpréter et de comprendre les informations visuelles du monde réel.
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) 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) Division d'une image en régions ou objets significatifs pour l'analyse.
B) Création d'une image miroir de l'original.
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) 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) Augmenter le taux d'apprentissage
B) Ajouter des couches au réseau
C) Utilisation de lots plus petits
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) Utilisation de modèles pré-entraînés et adaptation à une tâche spécifique.
B) Transfert des pixels d'une image vers une nouvelle image.
C) Transfert de gradients pendant la rétropropagation.
D) Transfert d'images entre différents appareils.
  • 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) Réduire les dimensions spatiales de l'entrée.
D) Normalisation des valeurs d'entrée.
  • 8. Quelle fonction d'activation est couramment utilisée dans les réseaux neuronaux convolutionnels ?
A) Linéaire
B) Tanh
C) ReLU (Rectified Linear Unit)
D) Sigmoïde
  • 9. À quoi sert une "matrice de confusion" dans l'évaluation des modèles de classification d'images ?
A) Création d'images composites.
B) Conversion des images en niveaux de gris.
C) Résumer les performances d'un modèle de classification en utilisant les valeurs de vrais positifs, faux positifs, vrais négatifs et faux négatifs.
D) Le floutage des images pour la protection de la vie privée.
  • 10. Quelle technique est utilisée pour identifier et localiser des objets dans une image ?
A) Classification des images
B) Segmentation des images
C) Détection d'objets
D) Extraction des caractéristiques
  • 11. Quelle est la technique couramment utilisée pour l'extraction des caractéristiques d'une image ?
A) Voisins les plus proches (K-Nearest Neighbors - KNN)
B) Analyse en composantes principales (ACP)
C) Réseaux neuronaux convolutifs (CNN)
D) Machines à vecteurs de support (SVM)
  • 12. Quel modèle CNN pré-entraîné est couramment utilisé pour diverses tâches de reconnaissance d'images ?
A) ResNet (Réseau résiduel)
B) VGGNet
C) InceptionNet
D) AlexNet
  • 13. Que signifie le terme "SIFT" dans le contexte de la reconnaissance d'images ?
A) Transformations de caractéristiques invariantes à l'échelle
B) Segmentation des caractéristiques et des textures des images
C) Suivi semi-intégré des visages
D) Technique de filtrage sélectif des images
  • 14. Que signifie CNN ?
A) Réseau complexe de neurones
B) Réseau neuronal convolutif
C) Réseau de neurones informatisé
D) Réseau neuronal contrôlé
  • 15. 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) Ajout de bruit aux images
C) Rotation des images
D) Débruitage non local
  • 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) Normalisation des histogrammes d'images.
C) Détection des bords des objets.
D) Cartographie d'une image sur un autre plan d'image.
  • 17. 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
  • 18. Quelle fonction de perte est couramment utilisée dans les tâches de classification d'images ?
A) Perte de L1
B) Perte d'entropie croisée binaire
C) Perte d'entropie croisée
D) Erreur quadratique moyenne
  • 19. 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) Ensemble de données météorologiques
C) Ensemble de données sur les paroles de chansons
D) ImageNet
  • 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) Apprentissage par transfert
C) Recadrage des images
D) Injection de bruit
  • 21. Quelle méthode peut être utilisée pour calculer le flux optique dans le traitement vidéo ?
A) Méthode Lucas-Kanade
B) Flou gaussien
C) Transformée de Fourier
D) Égalisation d'histogramme
  • 22. 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) Conversion des images en noir et blanc.
D) Lissage des intensités des pixels.
  • 23. 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) Sigmoïde
D) ReLU
Créé avec That Quiz — où la rédaction de tests et l’administration de tests sont rendues facile pour les mathématiques et d’autres matières..