A) Görsel görüntüleri filtreleme ve iyileştirme süreci.
B) İnsan görüşünün nasıl çalıştığının incelenmesi.
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) Görüntüleri rastgele bozma.
C) Görüntü boyutlarını değiştirme.
D) Daha iyi analiz için görüntü kalitesini artırma ve gürültüyü azaltma.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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