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