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