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