![]()
A) A számítógép képernyőinek használata a képek megjelenítésére. B) Az emberi látás működésének tanulmányozása. C) A vizuális képek szűrésének és javításának folyamata. D) Az a tudományterület, amely lehetővé teszi a számítógépek számára, hogy értelmezzék és megértsék a valós világ vizuális információit.
A) A képminőség javítása és a zaj csökkentése a jobb elemzés érdekében. B) Elmosódó képek művészi hatásra. C) Véletlenszerűen torzító képek. D) A képméretek megváltoztatása.
A) A kép értelmes régiókra vagy objektumokra való felosztása elemzés céljából. B) Színek eltávolítása egy képből. C) Több kép kombinálása eggyé. D) Az eredeti tükörképének létrehozása.
A) F1 pontszám B) R-négyzet C) Pontosság D) Átlagos négyzetes hiba
A) Kisebb tételméretek használata B) További rétegek hozzáadása a hálózathoz C) A tanulási arány növelése D) Kiesés rendezése
A) Képpixelek átvitele egy új képre. B) Képek átvitele különböző eszközök között. C) Előre betanított modellek használata és finomhangolás egy adott feladatra. D) A gradiensek átvitele a backpropagáció során.
A) A bemeneti értékek normalizálása. B) A bemenet térbeli dimenzióinak csökkentése. C) Nemlinearitás bevezetése a hálózatba. D) A paraméterek számának növelése.
A) ReLU (egyenirányított lineáris egység) B) Lineáris C) Sigmoid D) Tanh
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) Képek átalakítása szürkeárnyalatossá. D) Összetett képek létrehozása.
A) Átlagos négyzetes hiba B) L1 veszteség C) Bináris kereszt-entrópia veszteség D) Kereszt-entrópia veszteség
A) Komplex neuronhálózat B) Számítógépes neuronhálózat C) Konvolúciós neurális hálózat D) Irányított neurális hálózat
A) Nem lokális eszközök denoising B) Forgatható képek C) A képfelbontás növelése D) Zaj hozzáadása a képekhez
A) Aktiváló réteg B) Teljesen összekapcsolt réteg C) Összevonó réteg D) Konvolúciós réteg
A) VGGNet B) ResNet (maradék hálózat) C) InceptionNet D) AlexNet
A) A képhatárok elmosódása. B) Egy kép leképezése egy másik képsíkra. C) Objektumélek felismerése. D) Képhisztogramok normalizálása.
A) Zaj injektálás B) Képvágás C) Transzfer tanulás D) PCA dimenziócsökkentés
A) ReLU B) Sigmoid C) Softmax D) Tanh
A) Jellemzők kinyerése B) Képosztályozás C) Képszegmentálás D) Objektum észlelés
A) Konvolúciós neurális hálózatok (CNN) B) K-közelebbi szomszédok (KNN) C) Támogató vektoros gépek (SVM) D) Főkomponens-elemzés (PCA)
A) Félig integrált arckövetés B) Skála-invariáns jellemző transzformáció C) Szelektív képszűrési technika D) Képi jellemzők és textúrák szegmentálása
A) Képek átalakítása fekete-fehérre. B) Az egyes objektumok azonosítása és elhatárolása egy jeleneten belül. C) A képpontok intenzitásának simítása. D) Színszűrők alkalmazása a képekre.
A) Spam-adatkészlet B) Dalszöveg-adatkészlet C) ImageNet D) Időjárási adatkészlet
A) Hisztogram kiegyenlítés B) Fourier-transzformáció C) Lucas-Kanade módszer D) Gauss-féle elmosódás |