ThatQuiz
|
Bibliothèque de tests
|
Faire ce test maintenant
Vision par ordinateur et reconnaissance d'images
  • 1. La vision par ordinateur est un domaine interdisciplinaire qui permet aux ordinateurs d'interpréter et de comprendre le monde visuel à partir d'images numériques ou de vidéos. Elle implique le développement d'algorithmes et de techniques pour extraire des informations significatives à partir de données visuelles, en imitant les capacités du système visuel humain. La reconnaissance d'images, un sous-ensemble de la vision par ordinateur, se concentre sur l'identification et la catégorisation d'objets, de scènes ou de modèles dans des images ou des vidéos. Grâce à l'utilisation de l'apprentissage profond, des réseaux neuronaux et de l'apprentissage automatique, la vision par ordinateur et la reconnaissance d'images ont des applications dans divers domaines, notamment les soins de santé, les véhicules autonomes, la surveillance, la réalité augmentée, etc.

    Qu'est-ce que la vision par ordinateur ?
A) Domaine d'étude qui permet aux ordinateurs d'interpréter et de comprendre les informations visuelles du monde réel.
B) L'utilisation d'écrans d'ordinateur pour afficher des images.
C) L'étude du fonctionnement de la vision humaine.
D) Le processus de filtrage et d'amélioration des images visuelles.
  • 2. Quel est l'objectif du prétraitement des images dans le domaine de la vision par ordinateur ?
A) Déformation aléatoire des images.
B) Amélioration de la qualité des images et réduction du bruit pour une meilleure analyse.
C) Modification des dimensions de l'image.
D) Rendre les images floues pour un effet artistique.
  • 3. Que signifie le terme "segmentation d'images" ?
A) Division d'une image en régions ou objets significatifs pour l'analyse.
B) Suppression des couleurs d'une image.
C) Création d'une image miroir de l'original.
D) Combinaison de plusieurs images en une seule.
  • 4. Quelle mesure d'évaluation est couramment utilisée pour les tâches de classification d'images ?
A) Précision
B) Erreur quadratique moyenne
C) Score F1
D) R au carré
  • 5. Quelle technique peut être utilisée pour réduire l'overfitting dans les modèles d'apprentissage profond pour la reconnaissance d'images ?
A) Ajouter des couches au réseau
B) Augmenter le taux d'apprentissage
C) Régularisation de l'abandon
D) Utilisation de lots plus petits
  • 6. Qu'entend-on par "apprentissage par transfert" dans le contexte de l'apprentissage profond pour la reconnaissance d'images ?
A) Transfert des pixels d'une image vers une nouvelle image.
B) Transfert de gradients pendant la rétropropagation.
C) Transfert d'images entre différents appareils.
D) Utilisation de modèles pré-entraînés et adaptation à une tâche spécifique.
  • 7. À quoi sert une "couche de mise en commun" dans un réseau neuronal convolutif ?
A) Normalisation des valeurs d'entrée.
B) Augmentation du nombre de paramètres.
C) Réduire les dimensions spatiales de l'entrée.
D) Introduire la non-linéarité dans le réseau.
  • 8. Quelle fonction d'activation est couramment utilisée dans les réseaux neuronaux convolutionnels ?
A) ReLU (Rectified Linear Unit)
B) Linéaire
C) Sigmoïde
D) Tanh
  • 9. À quoi sert une "matrice de confusion" dans l'évaluation des modèles de classification d'images ?
A) Conversion des images en niveaux de gris.
B) Création d'images composites.
C) Résumer les performances d'un modèle de classification en utilisant les valeurs de vrais positifs, faux positifs, vrais négatifs et faux négatifs.
D) Le floutage des images pour la protection de la vie privée.
  • 10. Qu'est-ce que la "segmentation d'instance" dans le contexte de la détection d'objets ?
A) Lissage des intensités des pixels.
B) Application de filtres de couleur aux images.
C) Identifier et délimiter des objets individuels dans une scène.
D) Conversion des images en noir et blanc.
  • 11. Quelle technique peut être utilisée pour affiner un modèle CNN pré-entraîné en vue d'une nouvelle tâche ?
A) Apprentissage par transfert
B) Injection de bruit
C) Réduction de la dimensionnalité de l'ACP
D) Recadrage des images
  • 12. Quelle couche d'un CNN est responsable de la réduction des dimensions spatiales ?
A) Couche convolutive
B) Couche entièrement connectée
C) Couche d'activation
D) Couche de mise en commun
  • 13. Quelle est la technique couramment utilisée pour l'extraction des caractéristiques d'une image ?
A) Machines à vecteurs de support (SVM)
B) Voisins les plus proches (K-Nearest Neighbors - KNN)
C) Réseaux neuronaux convolutifs (CNN)
D) Analyse en composantes principales (ACP)
  • 14. Quelle méthode peut être utilisée pour calculer le flux optique dans le traitement vidéo ?
A) Méthode Lucas-Kanade
B) Égalisation d'histogramme
C) Flou gaussien
D) Transformée de Fourier
  • 15. Quel est l'exemple d'un ensemble de données populaire couramment utilisé pour les tâches de reconnaissance d'images ?
A) Ensemble de données sur les paroles de chansons
B) Ensemble de données météorologiques
C) Ensemble de données sur le spam
D) ImageNet
  • 16. Que signifie CNN ?
A) Réseau de neurones informatisé
B) Réseau neuronal contrôlé
C) Réseau neuronal convolutif
D) Réseau complexe de neurones
  • 17. Quelle technique est utilisée pour le débruitage des images dans le domaine de la vision par ordinateur ?
A) Débruitage non local
B) Ajout de bruit aux images
C) Augmentation de la résolution de l'image
D) Rotation des images
  • 18. Que signifie le terme "SIFT" dans le contexte de la reconnaissance d'images ?
A) Transformations de caractéristiques invariantes à l'échelle
B) Technique de filtrage sélectif des images
C) Suivi semi-intégré des visages
D) Segmentation des caractéristiques et des textures des images
  • 19. Quelle fonction de perte est couramment utilisée dans les tâches de classification d'images ?
A) Perte de L1
B) Perte d'entropie croisée
C) Perte d'entropie croisée binaire
D) Erreur quadratique moyenne
  • 20. Quelle technique est utilisée pour identifier et localiser des objets dans une image ?
A) Détection d'objets
B) Segmentation des images
C) Extraction des caractéristiques
D) Classification des images
  • 21. Quel est l'objectif de l'homographie dans le domaine de la vision par ordinateur ?
A) Détection des bords des objets.
B) Normalisation des histogrammes d'images.
C) Cartographie d'une image sur un autre plan d'image.
D) Les limites de l'image sont floues.
  • 22. Quelle fonction d'activation est généralement utilisée dans la couche de sortie d'un CNN pour la classification multi-classes ?
A) ReLU
B) Sigmoïde
C) Tanh
D) Softmax
  • 23. Quel modèle CNN pré-entraîné est couramment utilisé pour diverses tâches de reconnaissance d'images ?
A) InceptionNet
B) AlexNet
C) ResNet (Réseau résiduel)
D) VGGNet
Créé avec That Quiz — où la rédaction de tests et l’administration de tests sont rendues facile pour les mathématiques et d’autres matières..