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