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