A) İnsan görüşünün nasıl çalıştığının incelenmesi.
B) Görsel görüntüleri filtreleme ve iyileştirme süreci.
C) Bilgisayarların gerçek dünyadan gelen görsel bilgileri yorumlamasını ve anlamasını sağlayan çalışma alanı.
D) Görüntüleri görüntülemek için bilgisayar ekranlarının kullanılması.

A) Sanatsal etki için görüntüleri bulanıklaştırma.
B) Görüntü boyutlarını değiştirme.
C) Görüntüleri rastgele bozma.
D) Daha iyi analiz için görüntü kalitesini artırma ve gürültüyü azaltma.

A) Bir görüntünün analiz için anlamlı bölgelere veya nesnelere bölünmesi.
B) Bir görüntüden renkleri kaldırma.
C) Birden fazla görüntüyü bir araya getirme.
D) Orijinalin ayna görüntüsünü oluşturmak.

A) Ortalama Karesel Hata
B) R-kare
C) Doğruluk
D) F1 Skoru

A) Ağa daha fazla katman ekleme
B) Öğrenme oranının artırılması
C) Bırakma düzenlemesi
D) Daha küçük parti boyutları kullanma

A) Görüntü piksellerinin yeni bir görüntüye aktarılması.
B) Önceden eğitilmiş modellerin kullanılması ve belirli bir görev için ince ayar yapılması.
C) Geriye yayılma sırasında gradyanların aktarılması.
D) Görüntüleri farklı cihazlar arasında aktarma.

A) Girdinin uzamsal boyutlarının azaltılması.
B) Parametre sayısının artırılması.
C) Giriş değerlerini normalleştirme.
D) Ağa doğrusal olmama özelliğinin eklenmesi.

A) ReLU (Doğrultulmuş Lineer Birim)
B) Tanh
C) Doğrusal
D) Sigmoid

A) Kompozit görüntüler oluşturma.
B) Gizlilik koruması için görüntüleri bulanıklaştırma.
C) Doğru pozitif, yanlış pozitif, doğru negatif ve yanlış negatif değerlerini kullanarak bir sınıflandırma modelinin performansını özetleme.
D) Görüntüleri gri tonlamaya dönüştürme.

A) Görüntü segmentasyonu
B) Görüntü sınıflandırma
C) Nesne algılama
D) Özellik çıkarma

A) K-En Yakın Komşular (KNN)
B) Evrişimsel Sinir Ağları (CNN'ler)
C) Destek Vektör Makineleri (SVM)
D) Temel Bileşen Analizi (PCA)

A) Yerel olmayan araçlar denoising
B) Görüntülere gürültü ekleme
C) Dönen görüntüler
D) Görüntü çözünürlüğünü artırma

A) Görüntü Özelliklerinin ve Dokularının Segmentasyonu
B) Ölçekle Değişmeyen Özellik Dönüşümü
C) Seçici Görüntü Filtreleme Tekniği
D) Yarı Entegre Yüz İzleme

A) Bir görüntünün başka bir görüntü düzlemine eşlenmesi.
B) Görüntü histogramlarını normalleştirme.
C) Nesne kenarlarını algılama.
D) Görüntü sınırlarını bulanıklaştırma.

A) Tanh
B) Softmax
C) Sigmoid
D) ReLU

A) Fourier dönüşümü
B) Gauss bulanıklığı
C) Lucas-Kanade yöntemi
D) Histogram eşitleme

A) Şarkı sözleri veri kümesi
B) Spam veri kümesi
C) Hava durumu veri seti
D) ImageNet

A) İkili Çapraz Entropi Kaybı
B) L1 Kaybı
C) Ortalama Karesel Hata
D) Çapraz Entropi Kaybı

A) Transfer Öğrenimi
B) Görüntü Kırpma
C) PCA Boyut Azaltma
D) Gürültü Enjeksiyonu

A) Karmaşık Nöron Ağı
B) Evrişimli Sinir Ağı
C) Kontrollü Sinir Ağı
D) Bilgisayarlı Nöron Ağı

A) Tam bağlantılı katman
B) Konvolüsyonel katman
C) Havuzlama katmanı
D) Aktivasyon katmanı

A) Görüntülere renk filtreleri uygulama.
B) Piksel yoğunluklarını yumuşatma.
C) Görüntüleri siyah beyaza dönüştürme.
D) Bir sahne içindeki nesnelerin tek tek tanımlanması ve tasvir edilmesi.

A) AlexNet
B) VGGNet
C) InceptionNet
D) ResNet (Artık Ağ)