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