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