A) Використання комп'ютерних екранів для відображення зображень. B) Процес фільтрації та покращення візуальних образів. C) Галузь знань, яка дозволяє комп'ютерам інтерпретувати та розуміти візуальну інформацію з реального світу. D) Вивчення того, як працює людський зір.
A) Випадкове спотворення зображень. B) Підвищення якості зображення та зменшення шуму для кращого аналізу. C) Зміна розмірів зображення. D) Розмиття зображень для художнього ефекту.
A) Поєднання кількох зображень в одне. B) Поділ зображення на значущі області або об'єкти для аналізу. C) Видалення кольорів із зображення. D) Створення дзеркального відображення оригіналу.
A) Оцінка F1 B) Середня квадратична похибка C) Точність D) R-квадрат
A) Використання менших партій B) Додавання нових рівнів до мережі C) Регулювання відсіву D) Підвищення швидкості навчання
A) Перенесення градієнтів під час зворотного розмноження. B) Використання попередньо навчених моделей і тонке налаштування під конкретне завдання. C) Перенесення пікселів зображення на нове зображення. D) Передача зображень між різними пристроями.
A) Нормалізація вхідних значень. B) Внесення нелінійності в мережу. C) Зменшення просторових розмірів входу. D) Збільшення кількості параметрів.
A) Сигмоїд. B) Лінійний C) ReLU (випрямлений лінійний блок) D) Тань.
A) Створення композитних зображень. B) Підсумовування результатів роботи моделі класифікації з використанням істинних позитивних, хибнопозитивних, істинних негативних та хибнонегативних значень. C) Розмиття зображень для захисту приватності. D) Перетворення зображень у відтінки сірого.
A) Трансферне навчання B) Зменшення розмірності PCA C) Інжекція шуму D) Обрізання зображень
A) Набір даних текстів пісень B) Набір даних про спам C) ImageNet D) Набір погодних даних
A) Сегментація об'єктів і текстур зображення B) Масштабно-інваріантне перетворення ознак C) Напівінтегроване відстеження обличчя D) Техніка вибіркової фільтрації зображень
A) Софтмакс B) ReLU C) Сигмоїд. D) Тань.
A) Згорткова нейронна мережа B) Складна нейронна мережа C) Керована нейронна мережа D) Комп'ютеризована нейронна мережа
A) Виявлення об'єктів B) Виділення особливостей C) Класифікація зображень D) Сегментація зображень
A) Згладжування інтенсивності пікселів. B) Ідентифікація та розмежування окремих об'єктів на сцені. C) Застосування кольорових фільтрів до зображень. D) Перетворення зображень у чорно-білі.
A) Згортковий шар B) Повністю з'єднаний шар C) Шар об'єднання D) Активаційний шар
A) Додавання шуму до зображень B) Збільшення роздільної здатності зображення C) Нелокальний означає знебарвлення D) Обертові зображення
A) Втрати перехресної ентропії B) L1 Втрата C) Середня квадратична похибка D) Бінарні втрати перехресної ентропії
A) Метод Лукаса-Канаде B) Перетворення Фур'є C) Вирівнювання гістограми D) Гаусове розмиття
A) Аналіз головних компонент (PCA) B) Машини опорних векторів (SVM) C) K-Найближчі сусіди (KNN) D) Згорткові нейронні мережі (CNN)
A) ResNet (Залишкова мережа) B) InceptionNet C) AlexNet D) VGGNet
A) Виявлення країв об'єктів. B) Нормалізація гістограм зображень. C) Накладання одного зображення на іншу площину. D) Розмивання меж зображення. |