Visione artificiale e riconoscimento delle immagini - Quiz
  • 1. La computer vision è un campo interdisciplinare che consente ai computer di interpretare e comprendere il mondo visivo a partire da immagini o video digitali. Comporta lo sviluppo di algoritmi e tecniche per estrarre informazioni significative dai dati visivi, imitando le capacità del sistema visivo umano. Il riconoscimento delle immagini, un sottoinsieme della computer vision, si concentra sull'identificazione e la categorizzazione di oggetti, scene o modelli in immagini o video. Grazie all'uso dell'apprendimento profondo, delle reti neurali e dell'apprendimento automatico, la computer vision e il riconoscimento delle immagini trovano applicazione in vari settori, tra cui l'assistenza sanitaria, i veicoli autonomi, la sorveglianza, la realtà aumentata e altri ancora.

    Che cos'è la visione artificiale?
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.
  • 2. Qual è lo scopo della pre-elaborazione delle immagini nella Computer Vision?
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.
  • 3. Cosa si intende con il termine "segmentazione delle immagini"?
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.
  • 4. Quale metrica di valutazione viene comunemente utilizzata per i compiti di classificazione delle immagini?
A) Quadrato R
B) Punteggio F1
C) Precisione
D) Errore quadratico medio
  • 5. Quale tecnica può essere utilizzata per ridurre l'overfitting nei modelli di deep learning per il riconoscimento delle immagini?
A) Utilizzo di lotti più piccoli
B) Aumentare il tasso di apprendimento
C) Aggiunta di altri livelli alla rete
D) Regolarizzazione degli abbandoni
  • 6. Cosa si intende per "apprendimento di trasferimento" nel contesto dell'apprendimento profondo per il riconoscimento delle immagini?
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.
  • 7. Qual è lo scopo di un "livello di pooling" in una rete neurale convoluzionale?
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.
  • 8. Quale funzione di attivazione è comunemente utilizzata nelle reti neurali convoluzionali?
A) ReLU (Unità lineare rettificata)
B) Sigmoide
C) Tanh
D) Lineare
  • 9. A cosa serve la "matrice di confusione" nella valutazione dei modelli di classificazione delle immagini?
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.
  • 10. Qual è un esempio di dataset popolare comunemente utilizzato per compiti di riconoscimento di immagini?
A) ImageNet
B) Set di dati meteo
C) Set di dati di testi di canzoni
D) Set di dati spam
  • 11. Che cosa significa il termine "SIFT" nel contesto del riconoscimento delle immagini?
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
  • 12. Quale strato di una CNN è responsabile della riduzione delle dimensioni spaziali?
A) Strato completamente connesso
B) Strato di attivazione
C) Strato di pooling
D) Strato convoluzionale
  • 13. Quale funzione di attivazione viene comunemente utilizzata nello strato di uscita di una CNN per la classificazione multiclasse?
A) Sigmoide
B) ReLU
C) Tanh
D) Softmax
  • 14. Quale tecnica viene utilizzata per identificare e localizzare gli oggetti all'interno di un'immagine?
A) Estrazione delle caratteristiche
B) Classificazione delle immagini
C) Rilevamento degli oggetti
D) Segmentazione dell'immagine
  • 15. Quale funzione di perdita è comunemente utilizzata nei compiti di classificazione delle immagini?
A) Perdita di entropia incrociata
B) Perdita L1
C) Errore quadratico medio
D) Perdita di entropia incrociata binaria
  • 16. Quale tecnica può essere utilizzata per mettere a punto un modello CNN pre-addestrato per un nuovo compito?
A) Ritaglio di immagini
B) Iniezione di rumore
C) Riduzione della dimensionalità PCA
D) Apprendimento per trasferimento
  • 17. Quale tecnica è comunemente utilizzata per l'estrazione delle caratteristiche delle immagini?
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)
  • 18. Che cos'è la "segmentazione dell'istanza" nel contesto del rilevamento degli oggetti?
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.
  • 19. Cosa significa CNN?
A) Rete neuronale computerizzata
B) Rete neurale controllata
C) Rete di neuroni complessa
D) Rete neurale convoluzionale
  • 20. Quale metodo può essere utilizzato per calcolare il flusso ottico nell'elaborazione video?
A) Trasformata di Fourier
B) Sfocatura gaussiana
C) Metodo Lucas-Kanade
D) Equalizzazione dell'istogramma
  • 21. Qual è lo scopo dell'omografia nella Computer Vision?
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.
  • 22. Quale tecnica viene utilizzata per il denoising delle immagini nella Computer Vision?
A) Aumento della risoluzione delle immagini
B) Rotazione delle immagini
C) Aggiunta di rumore alle immagini
D) Denoising dei mezzi non locali
  • 23. Quale modello CNN pre-addestrato viene comunemente utilizzato per vari compiti di riconoscimento delle immagini?
A) AlexNet
B) InceptionNet
C) ResNet (Rete residua)
D) VGGNet
Creato con That Quiz — un sito di test di matematica per studenti di tutti i livelli.