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) Modifica delle dimensioni dell'immagine. B) Miglioramento della qualità dell'immagine e riduzione del rumore per una migliore analisi. C) Sfocatura delle immagini per effetto artistico. D) Distorsione casuale delle immagini.
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) Utilizzo di lotti più piccoli B) Regolarizzazione degli abbandoni C) Aggiunta di altri livelli alla rete D) Aumentare il tasso di apprendimento
A) Trasferimento dei gradienti durante la retropropagazione. B) Utilizzo di modelli pre-addestrati e messa a punto per un compito specifico. C) Trasferimento dei pixel dell'immagine in una nuova immagine. D) Trasferimento di immagini tra dispositivi diversi.
A) Riduzione delle dimensioni spaziali dell'input. B) Introdurre la non linearità nella rete. C) Aumento del numero di parametri. D) Normalizzazione dei valori di ingresso.
A) Sigmoide B) Tanh C) ReLU (Unità lineare rettificata) D) Lineare
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) ImageNet C) Set di dati meteo D) Set di dati spam
A) Segmentazione di caratteristiche e texture delle immagini B) Tecnica di filtraggio selettivo delle immagini C) Trasformazione della caratteristica invariante in scala D) Tracciamento del volto semi-integrato
A) Strato completamente connesso B) Strato di pooling C) Strato convoluzionale D) Strato di attivazione
A) ReLU B) Softmax C) Sigmoide D) Tanh
A) Classificazione delle immagini B) Segmentazione dell'immagine C) Estrazione delle caratteristiche D) Rilevamento degli oggetti
A) Perdita di entropia incrociata B) Perdita di entropia incrociata binaria C) Perdita L1 D) Errore quadratico medio
A) Apprendimento per trasferimento B) Riduzione della dimensionalità PCA C) Iniezione di rumore D) Ritaglio di immagini
A) Reti neurali convoluzionali (CNN) B) Vicini più vicini (K-Nearest Neighbors, KNN) C) Analisi delle componenti principali (PCA) 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 neuronale computerizzata B) Rete neurale convoluzionale C) Rete neurale controllata D) Rete di neuroni complessa
A) Equalizzazione dell'istogramma B) Trasformata di Fourier C) Sfocatura gaussiana D) Metodo Lucas-Kanade
A) Mappatura di un'immagine su un altro piano immagine. B) Normalizzazione degli istogrammi delle immagini. C) Rilevamento dei bordi degli oggetti. D) Sfumatura dei confini dell'immagine.
A) Aggiunta di rumore alle immagini B) Aumento della risoluzione delle immagini C) Rotazione delle immagini D) Denoising dei mezzi non locali
A) VGGNet B) InceptionNet C) ResNet (Rete residua) D) AlexNet |