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) L'utilisation d'écrans d'ordinateur pour afficher des images.
C) Le processus de filtrage et d'amélioration des images visuelles.
D) L'étude du fonctionnement de la vision humaine.
  • 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) Déformation aléatoire des images.
C) Rendre les images floues pour un effet artistique.
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) Suppression des couleurs d'une image.
C) Combinaison de plusieurs images en une seule.
D) Création d'une image miroir de l'original.
  • 4. Quelle mesure d'évaluation est couramment utilisée pour les tâches de classification d'images ?
A) Score F1
B) Précision
C) Erreur quadratique moyenne
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) Augmenter le taux d'apprentissage
B) Utilisation de lots plus petits
C) Régularisation de l'abandon
D) Ajouter des couches au réseau
  • 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) Augmentation du nombre de paramètres.
B) Normalisation des valeurs d'entrée.
C) Réduire les dimensions spatiales de l'entrée.
D) Introduire la non-linéarité dans le réseau.
  • 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) Le floutage des images pour la protection de la vie privée.
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) Création d'images composites.
  • 10. Quelle technique est utilisée pour identifier et localiser des objets dans une image ?
A) Extraction des caractéristiques
B) Segmentation des images
C) Détection d'objets
D) Classification des images
  • 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) Réseaux neuronaux convolutifs (CNN)
C) Analyse en composantes principales (ACP)
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) AlexNet
C) InceptionNet
D) VGGNet
  • 13. Que signifie le terme "SIFT" dans le contexte de la reconnaissance d'images ?
A) Segmentation des caractéristiques et des textures des images
B) Technique de filtrage sélectif des images
C) Suivi semi-intégré des visages
D) Transformations de caractéristiques invariantes à l'échelle
  • 14. Que signifie CNN ?
A) Réseau de neurones informatisé
B) Réseau complexe de neurones
C) Réseau neuronal contrôlé
D) Réseau neuronal convolutif
  • 15. Quelle technique est utilisée pour le débruitage des images dans le domaine de la vision par ordinateur ?
A) Rotation des images
B) Augmentation de la résolution de l'image
C) Débruitage non local
D) Ajout de bruit aux images
  • 16. Quel est l'objectif de l'homographie dans le domaine de la vision par ordinateur ?
A) Cartographie d'une image sur un autre plan d'image.
B) Les limites de l'image sont floues.
C) Normalisation des histogrammes d'images.
D) Détection des bords des objets.
  • 17. Quelle couche d'un CNN est responsable de la réduction des dimensions spatiales ?
A) Couche convolutive
B) Couche de mise en commun
C) Couche entièrement connectée
D) Couche d'activation
  • 18. Quelle fonction de perte est couramment utilisée dans les tâches de classification d'images ?
A) Erreur quadratique moyenne
B) Perte d'entropie croisée binaire
C) Perte de L1
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) Ensemble de données météorologiques
B) ImageNet
C) Ensemble de données sur le spam
D) Ensemble de données sur les paroles de chansons
  • 20. Quelle technique peut être utilisée pour affiner un modèle CNN pré-entraîné en vue d'une nouvelle tâche ?
A) Injection de bruit
B) Apprentissage par transfert
C) Réduction de la dimensionnalité de l'ACP
D) Recadrage des images
  • 21. Quelle méthode peut être utilisée pour calculer le flux optique dans le traitement vidéo ?
A) Transformée de Fourier
B) Flou gaussien
C) Méthode Lucas-Kanade
D) Égalisation d'histogramme
  • 22. 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) Conversion des images en noir et blanc.
C) Identifier et délimiter des objets individuels dans une scène.
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) Tanh
B) ReLU
C) Sigmoïde
D) Softmax
Créé avec That Quiz — où la rédaction de tests et l’administration de tests sont rendues facile pour les mathématiques et d’autres matières..