![]()
A) Il campo di studio che consente ai computer di interpretare e comprendere le informazioni visive del mondo reale. B) L'uso di schermi di computer per visualizzare immagini. C) Lo studio del funzionamento della visione umana. D) Il processo di filtraggio e miglioramento delle immagini visive.
A) Modifica delle dimensioni dell'immagine. B) Distorsione casuale delle immagini. C) Miglioramento della qualità dell'immagine e riduzione del rumore per una migliore analisi. D) Sfocatura delle immagini per effetto artistico.
A) Creare un'immagine speculare dell'originale. B) Rimozione dei colori da un'immagine. C) Combinazione di più immagini in una sola. D) Suddivisione di un'immagine in regioni o oggetti significativi per l'analisi.
A) Quadrato R B) Punteggio F1 C) Precisione D) Errore quadratico medio
A) Utilizzo di lotti più piccoli B) Aumentare il tasso di apprendimento C) Aggiunta di altri livelli alla rete D) Regolarizzazione degli abbandoni
A) Trasferimento dei pixel dell'immagine in una nuova immagine. B) Trasferimento dei gradienti durante la retropropagazione. C) Trasferimento di immagini tra dispositivi diversi. D) Utilizzo di modelli pre-addestrati e messa a punto per un compito specifico.
A) Riduzione delle dimensioni spaziali dell'input. B) Normalizzazione dei valori di ingresso. C) Aumento del numero di parametri. D) Introdurre la non linearità nella rete.
A) ReLU (Unità lineare rettificata) B) Sigmoide C) Tanh D) Lineare
A) Riassumere le prestazioni di un modello di classificazione utilizzando i valori di vero positivo, falso positivo, vero negativo e falso negativo. B) Sfocatura delle immagini per la protezione della privacy. C) Creazione di immagini composite. D) Conversione delle immagini in scala di grigi.
A) ImageNet B) Set di dati meteo C) Set di dati di testi di canzoni D) Set di dati spam
A) Segmentazione di caratteristiche e texture delle immagini B) Trasformazione della caratteristica invariante in scala C) Tracciamento del volto semi-integrato D) Tecnica di filtraggio selettivo delle immagini
A) Strato completamente connesso B) Strato di attivazione C) Strato di pooling D) Strato convoluzionale
A) Sigmoide B) ReLU C) Tanh D) Softmax
A) Estrazione delle caratteristiche B) Classificazione delle immagini C) Rilevamento degli oggetti D) Segmentazione dell'immagine
A) Perdita di entropia incrociata B) Perdita L1 C) Errore quadratico medio D) Perdita di entropia incrociata binaria
A) Ritaglio di immagini B) Iniezione di rumore C) Riduzione della dimensionalità PCA D) Apprendimento per trasferimento
A) Vicini più vicini (K-Nearest Neighbors, KNN) B) Reti neurali convoluzionali (CNN) C) Analisi delle componenti principali (PCA) D) Macchine vettoriali di supporto (SVM)
A) Applicazione di filtri di colore alle immagini. B) Identificare e delineare i singoli oggetti all'interno di una scena. C) Attenuazione delle intensità dei pixel. D) Conversione di immagini in bianco e nero.
A) Rete neuronale computerizzata B) Rete neurale controllata C) Rete di neuroni complessa D) Rete neurale convoluzionale
A) Trasformata di Fourier B) Sfocatura gaussiana C) Metodo Lucas-Kanade D) Equalizzazione dell'istogramma
A) Sfumatura dei confini dell'immagine. B) Rilevamento dei bordi degli oggetti. C) Mappatura di un'immagine su un altro piano immagine. D) Normalizzazione degli istogrammi delle immagini.
A) Aumento della risoluzione delle immagini B) Rotazione delle immagini C) Aggiunta di rumore alle immagini D) Denoising dei mezzi non locali
A) AlexNet B) InceptionNet C) ResNet (Rete residua) D) VGGNet |