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