A) Bidang studi yang memungkinkan komputer untuk menafsirkan dan memahami informasi visual dari dunia nyata. B) Penggunaan layar komputer untuk menampilkan gambar. C) Studi tentang cara kerja penglihatan manusia. D) Proses penyaringan dan peningkatan kualitas gambar visual.
A) Meningkatkan kualitas gambar dan mengurangi kebisingan untuk analisis yang lebih baik. B) Melakukan distorsi acak pada gambar. C) Mengubah dimensi gambar. D) Mengaburkan gambar untuk efek artistik.
A) Menghilangkan warna dari sebuah citra. B) Menciptakan citra cermin dari citra asli. C) Menggabungkan beberapa citra menjadi satu. D) Membagi sebuah citra menjadi wilayah atau objek yang bermakna untuk analisis.
A) R-kuadrat B) Skor F1 C) Kesalahan Kuadrat Rata-rata D) Akurasi
A) Menggunakan ukuran batch yang lebih kecil B) Regularisasi dropout C) Meningkatkan tingkat pembelajaran (learning rate) D) Menambahkan lebih banyak lapisan pada jaringan
A) Memindahkan gradien selama proses propagasi balik (backpropagation). B) Memindahkan piksel gambar ke gambar yang baru. C) Memindahkan gambar antar perangkat yang berbeda. D) Menggunakan model yang sudah dilatih sebelumnya dan melakukan penyesuaian (fine-tuning) untuk tugas tertentu.
A) Meningkatkan jumlah parameter. B) Mengurangi dimensi spasial dari input. C) Menormalisasi nilai input. D) Memperkenalkan non-linearitas ke dalam jaringan.
A) Linear B) Tanh C) Sigmoid D) ReLU (Rectified Linear Unit)
A) Mengubah gambar menjadi skala abu-abu. B) Membuat gambar komposit. C) Meringkas kinerja model klasifikasi menggunakan nilai positif benar, positif palsu, negatif benar, dan negatif palsu. D) Mengaburkan gambar untuk melindungi privasi.
A) Pelacakan Wajah Terintegrasi Parsial B) Teknik Penyaringan Gambar Selektif C) Transformasi Fitur Invarian Skala D) Segmentasi Fitur dan Tekstur Gambar
A) Kumpulan data cuaca B) Kumpulan data spam C) ImageNet D) Kumpulan data lirik lagu
A) Jaringan Neural Konvolusional B) Jaringan Neuron Terkomputerisasi C) Jaringan Neuron Terkontrol D) Jaringan Neuron Kompleks
A) ReLU B) Tanh C) Sigmoid D) Softmax
A) Ekstraksi fitur B) Segmentasi gambar C) Deteksi objek D) Klasifikasi gambar
A) Lapisan konvolusi B) Lapisan terhubung penuh C) Lapisan aktivasi D) Lapisan pooling
A) Binary Cross-Entropy Loss (Kerugian Cross-Entropy Biner) B) Cross-Entropy Loss (Kerugian Cross-Entropy) C) Mean Squared Error (Kesalahan Kuadrat Rata-rata) D) L1 Loss (Kerugian L1)
A) Mengubah gambar menjadi hitam putih. B) Mengidentifikasi dan membatasi objek-objek individual dalam sebuah adegan. C) Menghaluskan intensitas piksel. D) Menerapkan filter warna pada gambar.
A) Teknik pengurangan noise "non-local means" B) Menambahkan noise pada gambar C) Meningkatkan resolusi gambar D) Memutar gambar
A) Mesin Vektor Dukungan (SVM) B) Analisis Komponen Utama (PCA) C) Jaringan Saraf Konvolusional (CNN) D) K-Nearest Neighbors (KNN)
A) Memetakan satu gambar ke bidang gambar lainnya. B) Menormalisasi histogram gambar. C) Mendeteksi tepi objek. D) Mengaburkan batas-batas gambar.
A) ResNet (Jaringan Residual) B) AlexNet C) VGGNet D) InceptionNet
A) Reduksi Dimensi PCA (PCA Dimensionality Reduction) B) Pembelajaran Transfer (Transfer Learning) C) Pemotongan Gambar (Image Cropping) D) Penyuntikan Kebisingan (Noise Injection)
A) Equalisasi histogram B) Pengaburan Gaussian C) Metode Lucas-Kanade D) Transformasi Fourier |