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

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

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

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

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

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) Giriş değerlerini normalleştirme.
C) Parametre sayısının artırılması.
D) Ağa doğrusal olmama özelliğinin eklenmesi.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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