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