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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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