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