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