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