A) Görüntüleri görüntülemek için bilgisayar ekranlarının kullanılması. B) Görsel görüntüleri filtreleme ve iyileştirme süreci. C) İnsan görüşünün nasıl çalıştığının incelenmesi. D) Bilgisayarların gerçek dünyadan gelen görsel bilgileri yorumlamasını ve anlamasını sağlayan çalışma alanı.
A) Görüntü boyutlarını değiştirme. B) Sanatsal etki için görüntüleri bulanıklaştırma. C) Görüntüleri rastgele bozma. D) Daha iyi analiz için görüntü kalitesini artırma ve gürültüyü azaltma.
A) Bir görüntüden renkleri kaldırma. B) Orijinalin ayna görüntüsünü oluşturmak. C) Birden fazla görüntüyü bir araya getirme. D) Bir görüntünün analiz için anlamlı bölgelere veya nesnelere bölünmesi.
A) Ortalama Karesel Hata B) R-kare C) Doğruluk D) F1 Skoru
A) Ağa daha fazla katman ekleme B) Bırakma düzenlemesi C) Daha küçük parti boyutları kullanma D) Öğrenme oranının artırılması
A) Görüntüleri farklı cihazlar arasında aktarma. B) Görüntü piksellerinin yeni bir görüntüye aktarılması. C) Geriye yayılma sırasında gradyanların aktarılması. D) Önceden eğitilmiş modellerin kullanılması ve belirli bir görev için ince ayar yapılması.
A) Giriş değerlerini normalleştirme. B) Parametre sayısının artırılması. C) Girdinin uzamsal boyutlarının azaltılması. D) Ağa doğrusal olmama özelliğinin eklenmesi.
A) Tanh B) ReLU (Doğrultulmuş Lineer Birim) C) Doğrusal D) Sigmoid
A) Kompozit görüntüler oluşturma. B) Doğru pozitif, yanlış pozitif, doğru negatif ve yanlış negatif değerlerini kullanarak bir sınıflandırma modelinin performansını özetleme. C) Görüntüleri gri tonlamaya dönüştürme. D) Gizlilik koruması için görüntüleri bulanıklaştırma.
A) Nesne algılama B) Özellik çıkarma C) Görüntü sınıflandırma D) Görüntü segmentasyonu
A) Evrişimsel Sinir Ağları (CNN'ler) B) Temel Bileşen Analizi (PCA) C) Destek Vektör Makineleri (SVM) D) K-En Yakın Komşular (KNN)
A) Görüntü çözünürlüğünü artırma B) Yerel olmayan araçlar denoising C) Dönen görüntüler D) Görüntülere gürültü ekleme
A) Ölçekle Değişmeyen Özellik Dönüşümü B) Görüntü Özelliklerinin ve Dokularının Segmentasyonu C) Yarı Entegre Yüz İzleme D) Seçici Görüntü Filtreleme Tekniği
A) Görüntü histogramlarını normalleştirme. B) Nesne kenarlarını algılama. C) Görüntü sınırlarını bulanıklaştırma. D) Bir görüntünün başka bir görüntü düzlemine eşlenmesi.
A) Softmax B) Tanh C) Sigmoid D) ReLU
A) Histogram eşitleme B) Lucas-Kanade yöntemi C) Fourier dönüşümü D) Gauss bulanıklığı
A) Şarkı sözleri veri kümesi B) Spam veri kümesi C) ImageNet D) Hava durumu veri seti
A) İkili Çapraz Entropi Kaybı B) L1 Kaybı C) Ortalama Karesel Hata D) Çapraz Entropi Kaybı
A) Görüntü Kırpma B) Gürültü Enjeksiyonu C) Transfer Öğrenimi D) PCA Boyut Azaltma
A) Evrişimli Sinir Ağı B) Karmaşık Nöron Ağı C) Kontrollü Sinir Ağı D) Bilgisayarlı Nöron Ağı
A) Havuzlama katmanı B) Aktivasyon katmanı C) Konvolüsyonel katman D) Tam bağlantılı katman
A) Görüntüleri siyah beyaza dönüştürme. B) Piksel yoğunluklarını yumuşatma. C) Bir sahne içindeki nesnelerin tek tek tanımlanması ve tasvir edilmesi. D) Görüntülere renk filtreleri uygulama.
A) VGGNet B) AlexNet C) ResNet (Artık Ağ) D) InceptionNet |