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