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