Visione artificiale e riconoscimento delle immagini - Quiz
A) Lo studio del funzionamento della visione umana. B) Il campo di studio che consente ai computer di interpretare e comprendere le informazioni visive del mondo reale. C) Il processo di filtraggio e miglioramento delle immagini visive. D) L'uso di schermi di computer per visualizzare immagini.
A) Modifica delle dimensioni dell'immagine. B) Sfocatura delle immagini per effetto artistico. C) Distorsione casuale delle immagini. D) Miglioramento della qualità dell'immagine e riduzione del rumore per una migliore analisi.
A) Rimozione dei colori da un'immagine. B) Combinazione di più immagini in una sola. C) Creare un'immagine speculare dell'originale. D) Suddivisione di un'immagine in regioni o oggetti significativi per l'analisi.
A) Errore quadratico medio B) Quadrato R C) Precisione D) Punteggio F1
A) Regolarizzazione degli abbandoni B) Aumentare il tasso di apprendimento C) Utilizzo di lotti più piccoli D) Aggiunta di altri livelli alla rete
A) Trasferimento dei gradienti durante la retropropagazione. B) Trasferimento di immagini tra dispositivi diversi. C) Utilizzo di modelli pre-addestrati e messa a punto per un compito specifico. D) Trasferimento dei pixel dell'immagine in una nuova immagine.
A) Aumento del numero di parametri. B) Introdurre la non linearità nella rete. C) Normalizzazione dei valori di ingresso. D) Riduzione delle dimensioni spaziali dell'input.
A) Lineare B) Tanh C) Sigmoide D) ReLU (Unità lineare rettificata)
A) Riassumere le prestazioni di un modello di classificazione utilizzando i valori di vero positivo, falso positivo, vero negativo e falso negativo. B) Conversione delle immagini in scala di grigi. C) Sfocatura delle immagini per la protezione della privacy. D) Creazione di immagini composite.
A) Set di dati spam B) Set di dati di testi di canzoni C) Set di dati meteo D) ImageNet
A) Tecnica di filtraggio selettivo delle immagini B) Tracciamento del volto semi-integrato C) Segmentazione di caratteristiche e texture delle immagini D) Trasformazione della caratteristica invariante in scala
A) Strato di attivazione B) Strato convoluzionale C) Strato di pooling D) Strato completamente connesso
A) ReLU B) Sigmoide C) Softmax D) Tanh
A) Classificazione delle immagini B) Segmentazione dell'immagine C) Rilevamento degli oggetti D) Estrazione delle caratteristiche
A) Errore quadratico medio B) Perdita di entropia incrociata binaria C) Perdita di entropia incrociata D) Perdita L1
A) Riduzione della dimensionalità PCA B) Iniezione di rumore C) Apprendimento per trasferimento D) Ritaglio di immagini
A) Macchine vettoriali di supporto (SVM) B) Analisi delle componenti principali (PCA) C) Reti neurali convoluzionali (CNN) D) Vicini più vicini (K-Nearest Neighbors, KNN)
A) Identificare e delineare i singoli oggetti all'interno di una scena. B) Applicazione di filtri di colore alle immagini. C) Conversione di immagini in bianco e nero. D) Attenuazione delle intensità dei pixel.
A) Rete neurale controllata B) Rete di neuroni complessa C) Rete neurale convoluzionale D) Rete neuronale computerizzata
A) Metodo Lucas-Kanade B) Equalizzazione dell'istogramma C) Sfocatura gaussiana D) Trasformata di Fourier
A) Normalizzazione degli istogrammi delle immagini. B) Rilevamento dei bordi degli oggetti. C) Sfumatura dei confini dell'immagine. D) Mappatura di un'immagine su un altro piano immagine.
A) Denoising dei mezzi non locali B) Aggiunta di rumore alle immagini C) Aumento della risoluzione delle immagini D) Rotazione delle immagini
A) InceptionNet B) VGGNet C) ResNet (Rete residua) D) AlexNet |
Creato con That Quiz —
un sito di test di matematica per studenti di tutti i livelli.