ThatQuiz
|
Knjižnica testov
|
Naredi ta test sedaj
Računalniški vid in prepoznavanje slik - Test
  • 1. Računalniški vid je interdisciplinarno področje, ki računalnikom omogoča, da interpretirajo in razumejo vizualni svet iz digitalnih slik ali videoposnetkov. Vključuje razvoj algoritmov in tehnik za pridobivanje pomembnih informacij iz vizualnih podatkov, ki posnemajo zmožnosti človeškega vizualnega sistema. Prepoznavanje slik, podmnožica računalniškega vida, se osredotoča na prepoznavanje in kategoriziranje predmetov, prizorov ali vzorcev na slikah ali videoposnetkih. Z uporabo globokega učenja, nevronskih mrež in strojnega učenja se računalniški vid in prepoznavanje slik uporabljata na različnih področjih, vključno z zdravstvom, avtonomnimi vozili, nadzorom, razširjeno resničnostjo in drugimi.

    Kaj je računalniški vid?
A) Študija delovanja človeškega vida.
B) Področje študija, ki računalnikom omogoča interpretacijo in razumevanje vizualnih informacij iz resničnega sveta.
C) Uporaba računalniških zaslonov za prikaz slik.
D) Postopek filtriranja in izboljševanja vizualnih slik.
  • 2. Kakšen je namen predhodne obdelave slik v računalniškem vidu?
A) Zameglitev slik za umetniški učinek.
B) Izboljšanje kakovosti slike in zmanjšanje šuma za boljšo analizo.
C) Naključno izkrivljanje slik.
D) Spreminjanje dimenzij slike.
  • 3. Kaj pomeni izraz "segmentiranje slik"?
A) Razdelitev slike na smiselna območja ali predmete za analizo.
B) Združevanje več slik v eno.
C) Odstranjevanje barv s slike.
D) Ustvarjanje zrcalne slike izvirnika.
  • 4. Katera ocenjevalna metrika se običajno uporablja za naloge razvrščanja slik?
A) Natančnost
B) Srednja kvadratna napaka
C) Rezultat F1
D) R-kvadrat
  • 5. Katero tehniko lahko uporabite za zmanjšanje pretiranega prilagajanja v modelih globokega učenja za prepoznavanje slik?
A) Uporaba manjših serij
B) Povečanje hitrosti učenja
C) Dodajanje več plasti v omrežje
D) Uravnavanje izpadov
  • 6. Kaj pomeni "transferno učenje" v kontekstu globokega učenja za prepoznavanje slik?
A) Prenos slik med različnimi napravami.
B) Uporaba predhodno usposobljenih modelov in natančna prilagoditev za določeno nalogo.
C) Prenos slikovnih pik v novo sliko.
D) Prenos gradientov med povratnim razširjanjem.
  • 7. Kakšen je namen "združevalne plasti" v konvolucijski nevronski mreži?
A) Normaliziranje vhodnih vrednosti.
B) Zmanjšanje prostorskih razsežnosti vhodnih podatkov.
C) Uvedba nelinearnosti v omrežje.
D) Povečanje števila parametrov.
  • 8. Katera aktivacijska funkcija se običajno uporablja v konvolucijskih nevronskih mrežah?
A) ReLU (rektificirana linearna enota)
B) Sigmoid
C) Tanh
D) Linearno
  • 9. Za kaj se pri ocenjevanju modelov za razvrščanje slik uporablja "matrika zmede"?
A) Zameglitev slik za zaščito zasebnosti.
B) Povzetek uspešnosti klasifikacijskega modela z uporabo resnično pozitivnih, lažno pozitivnih, resnično negativnih in lažno negativnih vrednosti.
C) Pretvarjanje slik v sivino.
D) Ustvarjanje sestavljenih slik.
  • 10. Kateri vnaprej usposobljeni model CNN se pogosto uporablja za različne naloge prepoznavanja slik?
A) VGGNet
B) AlexNet
C) ResNet (preostalo omrežje)
D) InceptionNet
  • 11. Katera plast v CNN je odgovorna za zmanjševanje prostorskih dimenzij?
A) Konvolucijski sloj
B) Plast za združevanje
C) Aktivacijska plast
D) Popolnoma povezana plast
  • 12. Kakšen je namen homografije v računalniškem vidu?
A) Normaliziranje histogramov slik.
B) Zameglitev meja slike.
C) Prikaz ene slike na drugo slikovno ravnino.
D) Zaznavanje robov predmetov.
  • 13. Kaj pomeni izraz "SIFT" v kontekstu prepoznavanja slik?
A) Transformacija funkcij z nespremenljivo lestvico
B) Delno integrirano sledenje obraza
C) Segmentacija značilnosti in tekstur slik
D) Tehnika selektivnega filtriranja slik
  • 14. Katera tehnika se uporablja za prepoznavanje in lociranje predmetov na sliki?
A) Zaznavanje predmetov
B) Ekstrakcija funkcij
C) Segmentacija slik
D) Klasifikacija slik
  • 15. Katera tehnika se običajno uporablja za ekstrakcijo slikovnih značilnosti?
A) Podporni vektorski stroji (SVM)
B) Konvolucijske nevronske mreže (CNN)
C) Analiza glavnih komponent (PCA)
D) K-najbližji sosedje (KNN)
  • 16. Kateri je primer priljubljenega nabora podatkov, ki se pogosto uporablja za naloge prepoznavanja slik?
A) ImageNet
B) Nabor podatkov o neželeni pošti
C) Nabor podatkov o besedilih pesmi
D) Nabor podatkov o vremenu
  • 17. Katero metodo je mogoče uporabiti za izračun optičnega toka pri obdelavi videa?
A) Izenačevanje histogramov
B) Gaussova zameglitev
C) Lucas-Kanadejeva metoda
D) Fourierova transformacija
  • 18. Kaj pomeni kratica CNN?
A) Kompleksno omrežje nevronov
B) Konvolucijsko nevronsko omrežje
C) Računalniško omrežje nevronov
D) Nadzorovano nevronsko omrežje
  • 19. Katera aktivacijska funkcija se običajno uporablja v izhodnem sloju CNN za razvrščanje več razredov?
A) ReLU
B) Softmax
C) Sigmoid
D) Tanh
  • 20. Kaj je "segmentacija primerov" v kontekstu zaznavanja predmetov?
A) Uporaba barvnih filtrov za slike.
B) glajenje intenzivnosti slikovnih pik.
C) prepoznavanje in razmejitev posameznih predmetov v prizoru.
D) Pretvarjanje slik v črno-belo.
  • 21. Katera tehnika se v računalniškem vidu uporablja za odstranjevanje slabosti slike?
A) Denoising z nelokalnimi sredstvi
B) Povečanje ločljivosti slike
C) Dodajanje šuma v slike
D) Vrtenje slik
  • 22. Katera funkcija izgube se pogosto uporablja pri nalogah razvrščanja slik?
A) Izguba navzkrižne entropije
B) Izguba L1
C) Srednja kvadratna napaka
D) Binarna izguba navzkrižne entropije
  • 23. Katero tehniko je mogoče uporabiti za fino nastavitev predhodno usposobljenega modela CNN za novo nalogo?
A) Prenos učenja
B) Obrezovanje slik
C) Vbrizgavanje hrupa
D) Zmanjšanje dimenzionalnosti PCA
Ustvarjeno z That Quiz — kjer je utrjevanje matematike s testi vedno le en klik stran.