A) L'uso di schermi di computer per visualizzare immagini. B) Il processo di filtraggio e miglioramento delle immagini visive. C) Il campo di studio che consente ai computer di interpretare e comprendere le informazioni visive del mondo reale. D) Lo studio del funzionamento della visione umana.
A) Distorsione casuale delle immagini. B) Sfocatura delle immagini per effetto artistico. C) Modifica delle dimensioni dell'immagine. D) Miglioramento della qualità dell'immagine e riduzione del rumore per una migliore analisi.
A) Suddivisione di un'immagine in regioni o oggetti significativi per l'analisi. B) Rimozione dei colori da un'immagine. C) Creare un'immagine speculare dell'originale. D) Combinazione di più immagini in una sola.
A) Quadrato R B) Errore quadratico medio C) Punteggio F1 D) Precisione
A) Aggiunta di altri livelli alla rete B) Regolarizzazione degli abbandoni C) Utilizzo di lotti più piccoli D) Aumentare il tasso di apprendimento
A) Utilizzo di modelli pre-addestrati e messa a punto per un compito specifico. B) Trasferimento di immagini tra dispositivi diversi. 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) ReLU (Unità lineare rettificata) B) Tanh C) Lineare D) Sigmoide
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 spam C) ImageNet D) Set di dati meteo
A) Tracciamento del volto semi-integrato B) Trasformazione della caratteristica invariante in scala C) Segmentazione di caratteristiche e texture delle immagini D) Tecnica di filtraggio selettivo delle immagini
A) Strato di pooling B) Strato completamente connesso C) Strato di attivazione D) Strato convoluzionale
A) Softmax B) ReLU C) Sigmoide D) Tanh
A) Rilevamento degli oggetti B) Classificazione delle immagini C) Segmentazione dell'immagine D) Estrazione delle caratteristiche
A) Perdita di entropia incrociata binaria B) Perdita di entropia incrociata C) Errore quadratico medio D) Perdita L1
A) Ritaglio di immagini B) Riduzione della dimensionalità PCA C) Apprendimento per trasferimento D) Iniezione di rumore
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) Attenuazione delle intensità dei pixel. B) Conversione di immagini in bianco e nero. C) Applicazione di filtri di colore alle immagini. D) Identificare e delineare i singoli oggetti all'interno di una scena.
A) Rete di neuroni complessa B) Rete neurale convoluzionale C) Rete neuronale computerizzata D) Rete neurale controllata
A) Metodo Lucas-Kanade B) Trasformata di Fourier C) Sfocatura gaussiana D) Equalizzazione dell'istogramma
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) Rotazione delle immagini B) Denoising dei mezzi non locali C) Aumento della risoluzione delle immagini D) Aggiunta di rumore alle immagini
A) VGGNet B) ResNet (Rete residua) C) AlexNet D) InceptionNet |