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