ThatQuiz Bibliothèque de tests Faire ce test maintenant
Vision par ordinateur et reconnaissance d'images
Contribué par: Bouvier
  • 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) Le processus de filtrage et d'amélioration des images visuelles.
B) L'étude du fonctionnement de la vision humaine.
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) Déformation aléatoire des images.
B) Rendre les images floues pour un effet artistique.
C) Amélioration de la qualité des images et réduction du bruit pour une meilleure analyse.
D) Modification des dimensions de l'image.
  • 3. Que signifie le terme "segmentation d'images" ?
A) Suppression des couleurs d'une image.
B) Division d'une image en régions ou objets significatifs pour l'analyse.
C) Combinaison de plusieurs images en une seule.
D) Création d'une image miroir de l'original.
  • 4. Quelle mesure d'évaluation est couramment utilisée pour les tâches de classification d'images ?
A) Score F1
B) Précision
C) R au carré
D) Erreur quadratique moyenne
  • 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) Régularisation de l'abandon
C) Utilisation de lots plus petits
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) 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) ReLU (Rectified Linear Unit)
B) Tanh
C) Sigmoïde
D) Linéaire
  • 9. À quoi sert une "matrice de confusion" dans l'évaluation des modèles de classification d'images ?
A) Résumer les performances d'un modèle de classification en utilisant les valeurs de vrais positifs, faux positifs, vrais négatifs et faux négatifs.
B) Le floutage des images pour la protection de la vie privée.
C) Création d'images composites.
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) ImageNet
B) Ensemble de données météorologiques
C) Ensemble de données sur le spam
D) Ensemble de données sur les paroles de chansons
  • 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) Lissage des intensités des pixels.
C) Conversion des images en noir et blanc.
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) Méthode Lucas-Kanade
B) Égalisation d'histogramme
C) Flou gaussien
D) Transformée de Fourier
  • 13. Quel est l'objectif de l'homographie dans le domaine de la vision par ordinateur ?
A) Les limites de l'image sont floues.
B) Détection des bords des objets.
C) Normalisation des histogrammes d'images.
D) Cartographie d'une image sur un autre plan d'image.
  • 14. Quelle technique est utilisée pour le débruitage des images dans le domaine de la vision par ordinateur ?
A) Augmentation de la résolution de l'image
B) Rotation des images
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) Segmentation des images
B) Détection d'objets
C) Extraction des caractéristiques
D) Classification des images
  • 16. Que signifie CNN ?
A) Réseau de neurones informatisé
B) Réseau neuronal contrôlé
C) Réseau neuronal convolutif
D) Réseau complexe de neurones
  • 17. Quelle couche d'un CNN est responsable de la réduction des dimensions spatiales ?
A) Couche convolutive
B) Couche d'activation
C) Couche de mise en commun
D) Couche entièrement connectée
  • 18. Quelle fonction de perte est couramment utilisée dans les tâches de classification d'images ?
A) Perte de L1
B) Perte d'entropie croisée binaire
C) Erreur quadratique moyenne
D) Perte d'entropie croisée
  • 19. Quel modèle CNN pré-entraîné est couramment utilisé pour diverses tâches de reconnaissance d'images ?
A) ResNet (Réseau résiduel)
B) InceptionNet
C) AlexNet
D) VGGNet
  • 20. Quelle est la technique couramment utilisée pour l'extraction des caractéristiques d'une image ?
A) Réseaux neuronaux convolutifs (CNN)
B) Voisins les plus proches (K-Nearest Neighbors - KNN)
C) Analyse en composantes principales (ACP)
D) Machines à vecteurs de support (SVM)
  • 21. Que signifie le terme "SIFT" dans le contexte de la reconnaissance d'images ?
A) Transformations de caractéristiques invariantes à l'échelle
B) Suivi semi-intégré des visages
C) Technique de filtrage sélectif des images
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) Tanh
C) Softmax
D) ReLU
  • 23. Quelle technique peut être utilisée pour affiner un modèle CNN pré-entraîné en vue d'une nouvelle tâche ?
A) Réduction de la dimensionnalité de l'ACP
B) Recadrage des images
C) Apprentissage par transfert
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..