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