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