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