A) L'uso di schermi di computer per visualizzare immagini. B) Il processo di filtraggio e miglioramento delle immagini visive. 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) 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) Rimozione dei colori da un'immagine. B) Creare un'immagine speculare dell'originale. C) Combinazione di più immagini in una sola. D) Suddivisione di un'immagine in regioni o oggetti significativi per l'analisi.
A) Precisione B) Quadrato R C) Punteggio F1 D) Errore quadratico medio
A) Aggiunta di altri livelli alla rete B) Utilizzo di lotti più piccoli C) Regolarizzazione degli abbandoni D) Aumentare il tasso di apprendimento
A) Trasferimento dei pixel dell'immagine in una nuova immagine. B) Utilizzo di modelli pre-addestrati e messa a punto per un compito specifico. C) Trasferimento di immagini tra dispositivi diversi. D) Trasferimento dei gradienti durante la retropropagazione.
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) Sigmoide C) ReLU (Unità lineare rettificata) D) Tanh
A) Sfocatura delle immagini per la protezione della privacy. B) Conversione delle immagini in scala di grigi. 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) Set di dati di testi di canzoni B) Set di dati spam C) ImageNet D) Set di dati meteo
A) Attenuazione delle intensità dei pixel. B) Identificare e delineare i singoli oggetti all'interno di una scena. C) Conversione di immagini in bianco e nero. D) Applicazione di filtri di colore alle immagini.
A) Trasformata di Fourier B) Metodo Lucas-Kanade C) Equalizzazione dell'istogramma D) Sfocatura gaussiana
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) Denoising dei mezzi non locali B) Aggiunta di rumore alle immagini C) Rotazione delle immagini D) Aumento della risoluzione delle immagini
A) Segmentazione dell'immagine B) Rilevamento degli oggetti C) Estrazione delle caratteristiche D) Classificazione delle immagini
A) Rete di neuroni complessa B) Rete neurale controllata C) Rete neuronale computerizzata D) Rete neurale convoluzionale
A) Strato completamente connesso B) Strato convoluzionale C) Strato di pooling D) Strato di attivazione
A) Perdita di entropia incrociata B) Perdita L1 C) Errore quadratico medio D) Perdita di entropia incrociata binaria
A) VGGNet B) ResNet (Rete residua) C) AlexNet D) InceptionNet
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) Trasformazione della caratteristica invariante in scala B) Tecnica di filtraggio selettivo delle immagini C) Tracciamento del volto semi-integrato D) Segmentazione di caratteristiche e texture delle immagini
A) Tanh B) Softmax C) ReLU D) Sigmoide
A) Ritaglio di immagini B) Riduzione della dimensionalità PCA C) Iniezione di rumore D) Apprendimento per trasferimento |