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