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