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