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