Számítógépes látás és képfelismerés
  • 1. A számítógépes látás olyan interdiszciplináris terület, amely lehetővé teszi a számítógépek számára, hogy a digitális képek vagy videók alapján értelmezzék és megértsék a vizuális világot. Olyan algoritmusok és technikák fejlesztésével foglalkozik, amelyek az emberi vizuális rendszer képességeit utánozva értelmes információkat nyerhetnek ki a vizuális adatokból. A képfelismerés, a számítógépes látás egyik részterülete, a képeken vagy videókon található tárgyak, jelenetek vagy minták azonosítására és kategorizálására összpontosít. A mélytanulás, a neurális hálózatok és a gépi tanulás alkalmazásával a számítógépes látás és a képfelismerés számos területen alkalmazható, többek között az egészségügyben, az autonóm járművekben, a megfigyelésben, a kiterjesztett valóságban és más területeken.

    Mi a számítógépes látás?
A) A számítógép képernyőinek használata a képek megjelenítésére.
B) Az emberi látás működésének tanulmányozása.
C) Az a tudományterület, amely lehetővé teszi a számítógépek számára, hogy értelmezzék és megértsék a valós világ vizuális információit.
D) A vizuális képek szűrésének és javításának folyamata.
  • 2. Mi a célja a képek előfeldolgozásának a számítógépes látásban?
A) A képméretek megváltoztatása.
B) A képminőség javítása és a zaj csökkentése a jobb elemzés érdekében.
C) Véletlenszerűen torzító képek.
D) Elmosódó képek művészi hatásra.
  • 3. Mit jelent a "képszegmentálás" kifejezés?
A) A kép értelmes régiókra vagy objektumokra való felosztása elemzés céljából.
B) Több kép kombinálása eggyé.
C) Színek eltávolítása egy képből.
D) Az eredeti tükörképének létrehozása.
  • 4. Melyik értékelési metrikát használják általában a képosztályozási feladatoknál?
A) R-négyzet
B) Átlagos négyzetes hiba
C) Pontosság
D) F1 pontszám
  • 5. Melyik technika használható a képfelismerésre szolgáló mély tanulási modellek túlillesztésének csökkentésére?
A) A tanulási arány növelése
B) Kiesés rendezése
C) További rétegek hozzáadása a hálózathoz
D) Kisebb tételméretek használata
  • 6. Mit jelent a "transzfer tanulás" a képfelismerés mély tanulása kapcsán?
A) Képpixelek átvitele egy új képre.
B) Előre betanított modellek használata és finomhangolás egy adott feladatra.
C) A gradiensek átvitele a backpropagáció során.
D) Képek átvitele különböző eszközök között.
  • 7. Mi a célja a "pooling layer"-nek egy konvolúciós neurális hálózatban?
A) A paraméterek számának növelése.
B) A bemenet térbeli dimenzióinak csökkentése.
C) A bemeneti értékek normalizálása.
D) Nemlinearitás bevezetése a hálózatba.
  • 8. Melyik aktiválási függvényt használják általában a konvolúciós neurális hálózatokban?
A) Tanh
B) Sigmoid
C) ReLU (egyenirányított lineáris egység)
D) Lineáris
  • 9. Mire használják a képosztályozó modellek értékelésénél a "zavarmátrixot"?
A) Egy osztályozási modell teljesítményének összegzése a valódi pozitív, hamis pozitív, valódi negatív és hamis negatív értékek segítségével.
B) A képek elmosódása az adatvédelem érdekében.
C) Összetett képek létrehozása.
D) Képek átalakítása szürkeárnyalatossá.
  • 10. Mi a homográfia célja a számítógépes látásban?
A) Egy kép leképezése egy másik képsíkra.
B) A képhatárok elmosódása.
C) Objektumélek felismerése.
D) Képhisztogramok normalizálása.
  • 11. Mi az a "példányszegmentálás" az objektumfelismerés kontextusában?
A) A képpontok intenzitásának simítása.
B) Színszűrők alkalmazása a képekre.
C) Képek átalakítása fekete-fehérre.
D) Az egyes objektumok azonosítása és elhatárolása egy jeleneten belül.
  • 12. Melyik veszteségfüggvényt használják általában a képosztályozási feladatokban?
A) Bináris kereszt-entrópia veszteség
B) Átlagos négyzetes hiba
C) Kereszt-entrópia veszteség
D) L1 veszteség
  • 13. Melyik technikát használják a képzajmentesítésre a számítógépes látásban?
A) Zaj hozzáadása a képekhez
B) Nem lokális eszközök denoising
C) A képfelbontás növelése
D) Forgatható képek
  • 14. Melyik technikát használják általában a képjellemzők kinyerésére?
A) Konvolúciós neurális hálózatok (CNN)
B) Támogató vektoros gépek (SVM)
C) K-közelebbi szomszédok (KNN)
D) Főkomponens-elemzés (PCA)
  • 15. Melyik előre betanított CNN-modellt használják általában különböző képfelismerési feladatokhoz?
A) InceptionNet
B) ResNet (maradék hálózat)
C) VGGNet
D) AlexNet
  • 16. Melyik technika használható egy előre betanított CNN-modell finomhangolására egy új feladathoz?
A) PCA dimenziócsökkentés
B) Képvágás
C) Transzfer tanulás
D) Zaj injektálás
  • 17. Mit jelent a CNN?
A) Irányított neurális hálózat
B) Komplex neuronhálózat
C) Számítógépes neuronhálózat
D) Konvolúciós neurális hálózat
  • 18. Melyik aktiválási függvényt használják általában a CNN kimeneti rétegében a többosztályos osztályozáshoz?
A) Tanh
B) Sigmoid
C) ReLU
D) Softmax
  • 19. Melyik a példa a képfelismerési feladatokhoz gyakran használt népszerű adathalmazra?
A) Spam-adatkészlet
B) Dalszöveg-adatkészlet
C) ImageNet
D) Időjárási adatkészlet
  • 20. Mit jelent a "SIFT" kifejezés a képfelismeréssel összefüggésben?
A) Skála-invariáns jellemző transzformáció
B) Szelektív képszűrési technika
C) Képi jellemzők és textúrák szegmentálása
D) Félig integrált arckövetés
  • 21. Melyik réteg felelős a CNN-ben a térbeli dimenziók csökkentéséért?
A) Konvolúciós réteg
B) Aktiváló réteg
C) Teljesen összekapcsolt réteg
D) Összevonó réteg
  • 22. Melyik módszer használható az optikai áramlás kiszámítására a videófeldolgozásban?
A) Lucas-Kanade módszer
B) Fourier-transzformáció
C) Gauss-féle elmosódás
D) Hisztogram kiegyenlítés
  • 23. Melyik technikát használják a képen belüli objektumok azonosítására és helymeghatározására?
A) Objektum észlelés
B) Képszegmentálás
C) Képosztályozás
D) Jellemzők kinyerése
Létrehozva That Quiz — ahol a matematikai gyakorlás mindig egy kattintásnyira van.