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