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