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