A) مجال الدراسة الذي يمكّن أجهزة الكمبيوتر من تفسير وفهم المعلومات المرئية من العالم الحقيقي. B) استخدام شاشات الكمبيوتر لعرض الصور. C) عملية تصفية وتحسين الصور المرئية. D) دراسة كيفية عمل الرؤية البشرية.
A) تشويه الصور بشكل عشوائي. B) تغيير أبعاد الصورة. C) تعتيم الصور للحصول على تأثير فني. D) تحسين جودة الصورة وتقليل الضوضاء لتحليل أفضل.
A) دمج عدة صور في صورة واحدة. B) إنشاء صورة معكوسة للصورة الأصلية. C) تقسيم الصورة إلى مناطق أو عناصر ذات معنى لتحليلها. D) إزالة الألوان من الصورة.
A) مربع الانحدار B) متوسط مربع الخطأ C) مقياس F1 D) الدقة
A) تقنية التسرب (Dropout). B) زيادة معدل التعلم. C) استخدام أحجام دفعات أصغر. D) إضافة المزيد من الطبقات إلى الشبكة.
A) نقل وحدات البكسل الخاصة بالصورة إلى صورة جديدة. B) نقل الصور بين أجهزة مختلفة. C) استخدام نماذج مدربة مسبقًا وضبطها بدقة لمهمة معينة. D) نقل التدرجات أثناء عملية الانتشار العكسي.
A) زيادة عدد المعلمات. B) تطبيع قيم المدخلات. C) إدخال خاصية اللاخطية إلى الشبكة. D) تقليل الأبعاد المكانية للمدخلات.
A) Sigmoid B) Tanh C) الخطية D) ReLU (وحدة الخطية المعدلة)
A) تعتيم الصور لحماية الخصوصية. B) تلخيص أداء نموذج التصنيف باستخدام القيم الإيجابية الصحيحة، والإيجابية الخاطئة، والسلبية الصحيحة، والسلبية الخاطئة. C) إنشاء صور مركبة. D) تحويل الصور إلى مقياس رمادي.
A) تقسيم ميزات وقوام الصور B) تقنية التصفية الانتقائية للصور C) تحويل الميزات المستقلة عن المقياس D) تتبع الوجه شبه المتكامل
A) مجموعة بيانات ImageNet B) مجموعة بيانات الطقس C) مجموعة بيانات الرسائل المزعجة (Spam) D) مجموعة بيانات كلمات الأغاني
A) شبكة عصبية مُحكمة B) شبكة عصبية معقدة C) شبكة عصبية تلافيفية D) شبكة عصبية حاسوبية
A) دالة Softmax B) دالة Sigmoid C) دالة Tanh D) دالة ReLU
A) استخراج الميزات B) تقطيع الصور C) اكتشاف الكائنات D) تصنيف الصور
A) طبقة الاتصال الكامل (Fully connected layer) B) طبقة الالتفاف (Convolutional layer) C) طبقة التجميع (Pooling layer) D) طبقة التنشيط (Activation layer)
A) دالة الخسارة للإنتروبيا التقاطعية (Cross-Entropy Loss) B) متوسط مربع الخطأ (Mean Squared Error) C) دالة الخسارة للإنتروبيا التقاطعية الثنائية (Binary Cross-Entropy Loss) D) دالة الخسارة L1
A) تطبيق فلاتر الألوان على الصور. B) تحديد وتوضيح الكائنات الفردية داخل مشهد ما. C) تنعيم قيم البكسلات. D) تحويل الصور إلى الأبيض والأسود.
A) إضافة الضوضاء إلى الصور. B) تقنية إزالة الضوضاء باستخدام المتوسطات غير المحلية. C) زيادة دقة الصورة. D) تدوير الصور.
A) الشبكات العصبية التلافيفية (CNNs) B) آلات ناقلات الدعم (SVM) C) أقرب الجيران (KNN) D) تحليل المكونات الرئيسية (PCA)
A) تطبيع مخططات توزيع قيم الألوان في الصور (Histogram Equalization). B) رسم خريطة لصورة واحدة على مستوى صورة أخرى. C) اكتشاف حواف الكائنات. D) تعتيم حدود الصورة.
A) InceptionNet B) ResNet (شبكة الباقي) C) VGGNet D) AlexNet
A) تقليل الأبعاد باستخدام تحليل المكونات الرئيسية (PCA Dimensionality Reduction) B) التعلم بالنقل (Transfer Learning) C) قص الصور (Image Cropping) D) إضافة الضوضاء (Noise Injection)
A) طريقة لوكاس-كينادي B) التنعيم الغاوسي C) تعديل الهيستوجرام D) تحويل فورييه |