A) Lo studio del funzionamento della visione umana. B) L'uso di schermi di computer per visualizzare immagini. C) Il processo di filtraggio e miglioramento delle immagini visive. D) Il campo di studio che consente ai computer di interpretare e comprendere le informazioni visive del mondo reale.
A) Distorsione casuale delle immagini. B) Modifica delle dimensioni dell'immagine. C) Sfocatura delle immagini per effetto artistico. D) Miglioramento della qualità dell'immagine e riduzione del rumore per una migliore analisi.
A) Suddivisione di un'immagine in regioni o oggetti significativi per l'analisi. B) Rimozione dei colori da un'immagine. C) Creare un'immagine speculare dell'originale. D) Combinazione di più immagini in una sola.
A) Precisione B) Punteggio F1 C) Errore quadratico medio D) Quadrato R
A) Utilizzo di lotti più piccoli B) Regolarizzazione degli abbandoni C) Aggiunta di altri livelli alla rete 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) 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) Lineare B) ReLU (Unità lineare rettificata) C) Sigmoide D) Tanh
A) Conversione delle immagini in scala di grigi. B) Sfocatura delle immagini per la protezione della privacy. 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) ImageNet C) Set di dati spam 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) Equalizzazione dell'istogramma B) Trasformata di Fourier C) Sfocatura gaussiana D) Metodo Lucas-Kanade
A) Sfumatura dei confini dell'immagine. B) Normalizzazione degli istogrammi delle immagini. C) Mappatura di un'immagine su un altro piano immagine. D) Rilevamento dei bordi degli oggetti.
A) Aggiunta di rumore alle immagini B) Aumento della risoluzione delle immagini C) Denoising dei mezzi non locali D) Rotazione delle immagini
A) Segmentazione dell'immagine B) Estrazione delle caratteristiche C) Classificazione delle immagini D) Rilevamento degli oggetti
A) Rete di neuroni complessa B) Rete neurale convoluzionale C) Rete neuronale computerizzata D) Rete neurale controllata
A) Strato di pooling B) Strato convoluzionale C) Strato completamente connesso 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) InceptionNet C) AlexNet D) ResNet (Rete residua)
A) Macchine vettoriali di supporto (SVM) B) Vicini più vicini (K-Nearest Neighbors, KNN) C) Analisi delle componenti principali (PCA) D) Reti neurali convoluzionali (CNN)
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) ReLU B) Softmax C) Sigmoide D) Tanh
A) Ritaglio di immagini B) Apprendimento per trasferimento C) Iniezione di rumore D) Riduzione della dimensionalità PCA |