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