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