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