Visione artificiale e riconoscimento delle immagini
  • 1. La computer vision è un campo interdisciplinare che consente ai computer di interpretare e comprendere il mondo visivo a partire da immagini o video digitali. Comporta lo sviluppo di algoritmi e tecniche per estrarre informazioni significative dai dati visivi, imitando le capacità del sistema visivo umano. Il riconoscimento delle immagini, un sottoinsieme della computer vision, si concentra sull'identificazione e la categorizzazione di oggetti, scene o modelli in immagini o video. Grazie all'uso dell'apprendimento profondo, delle reti neurali e dell'apprendimento automatico, la computer vision e il riconoscimento delle immagini trovano applicazione in vari settori, tra cui l'assistenza sanitaria, i veicoli autonomi, la sorveglianza, la realtà aumentata e altri ancora.

    Che cos'è la visione artificiale?
A) Il processo di filtraggio e miglioramento delle immagini visive.
B) L'uso di schermi di computer per visualizzare immagini.
C) Il campo di studio che consente ai computer di interpretare e comprendere le informazioni visive del mondo reale.
D) Lo studio del funzionamento della visione umana.
  • 2. Qual è lo scopo della pre-elaborazione delle immagini nella Computer Vision?
A) Sfocatura delle immagini per effetto artistico.
B) Miglioramento della qualità dell'immagine e riduzione del rumore per una migliore analisi.
C) Modifica delle dimensioni dell'immagine.
D) Distorsione casuale delle immagini.
  • 3. Cosa si intende con il termine "segmentazione delle immagini"?
A) Rimozione dei colori da un'immagine.
B) Combinazione di più immagini in una sola.
C) Creare un'immagine speculare dell'originale.
D) Suddivisione di un'immagine in regioni o oggetti significativi per l'analisi.
  • 4. Quale metrica di valutazione viene comunemente utilizzata per i compiti di classificazione delle immagini?
A) Precisione
B) Punteggio F1
C) Errore quadratico medio
D) Quadrato R
  • 5. Quale tecnica può essere utilizzata per ridurre l'overfitting nei modelli di deep learning per il riconoscimento delle immagini?
A) Regolarizzazione degli abbandoni
B) Utilizzo di lotti più piccoli
C) Aumentare il tasso di apprendimento
D) Aggiunta di altri livelli alla rete
  • 6. Cosa si intende per "apprendimento di trasferimento" nel contesto dell'apprendimento profondo per il riconoscimento delle immagini?
A) Trasferimento di immagini tra dispositivi diversi.
B) Trasferimento dei gradienti durante la retropropagazione.
C) Utilizzo di modelli pre-addestrati e messa a punto per un compito specifico.
D) Trasferimento dei pixel dell'immagine in una nuova immagine.
  • 7. Qual è lo scopo di un "livello di pooling" in una rete neurale convoluzionale?
A) Riduzione delle dimensioni spaziali dell'input.
B) Introdurre la non linearità nella rete.
C) Normalizzazione dei valori di ingresso.
D) Aumento del numero di parametri.
  • 8. Quale funzione di attivazione è comunemente utilizzata nelle reti neurali convoluzionali?
A) Lineare
B) ReLU (Unità lineare rettificata)
C) Sigmoide
D) Tanh
  • 9. A cosa serve la "matrice di confusione" nella valutazione dei modelli di classificazione delle immagini?
A) Riassumere le prestazioni di un modello di classificazione utilizzando i valori di vero positivo, falso positivo, vero negativo e falso negativo.
B) Conversione delle immagini in scala di grigi.
C) Sfocatura delle immagini per la protezione della privacy.
D) Creazione di immagini composite.
  • 10. Qual è un esempio di dataset popolare comunemente utilizzato per compiti di riconoscimento di immagini?
A) Set di dati di testi di canzoni
B) Set di dati meteo
C) ImageNet
D) Set di dati spam
  • 11. Che cos'è la "segmentazione dell'istanza" nel contesto del rilevamento degli oggetti?
A) Applicazione di filtri di colore alle immagini.
B) Conversione di immagini in bianco e nero.
C) Identificare e delineare i singoli oggetti all'interno di una scena.
D) Attenuazione delle intensità dei pixel.
  • 12. Quale metodo può essere utilizzato per calcolare il flusso ottico nell'elaborazione video?
A) Trasformata di Fourier
B) Metodo Lucas-Kanade
C) Sfocatura gaussiana
D) Equalizzazione dell'istogramma
  • 13. Qual è lo scopo dell'omografia nella Computer Vision?
A) Mappatura di un'immagine su un altro piano immagine.
B) Sfumatura dei confini dell'immagine.
C) Normalizzazione degli istogrammi delle immagini.
D) Rilevamento dei bordi degli oggetti.
  • 14. Quale tecnica viene utilizzata per il denoising delle immagini nella Computer Vision?
A) Rotazione delle immagini
B) Denoising dei mezzi non locali
C) Aggiunta di rumore alle immagini
D) Aumento della risoluzione delle immagini
  • 15. Quale tecnica viene utilizzata per identificare e localizzare gli oggetti all'interno di un'immagine?
A) Rilevamento degli oggetti
B) Segmentazione dell'immagine
C) Estrazione delle caratteristiche
D) Classificazione delle immagini
  • 16. Cosa significa CNN?
A) Rete neurale convoluzionale
B) Rete di neuroni complessa
C) Rete neurale controllata
D) Rete neuronale computerizzata
  • 17. Quale strato di una CNN è responsabile della riduzione delle dimensioni spaziali?
A) Strato convoluzionale
B) Strato di pooling
C) Strato di attivazione
D) Strato completamente connesso
  • 18. Quale funzione di perdita è comunemente utilizzata nei compiti di classificazione delle immagini?
A) Perdita L1
B) Perdita di entropia incrociata
C) Perdita di entropia incrociata binaria
D) Errore quadratico medio
  • 19. Quale modello CNN pre-addestrato viene comunemente utilizzato per vari compiti di riconoscimento delle immagini?
A) InceptionNet
B) VGGNet
C) AlexNet
D) ResNet (Rete residua)
  • 20. Quale tecnica è comunemente utilizzata per l'estrazione delle caratteristiche delle immagini?
A) Macchine vettoriali di supporto (SVM)
B) Analisi delle componenti principali (PCA)
C) Reti neurali convoluzionali (CNN)
D) Vicini più vicini (K-Nearest Neighbors, KNN)
  • 21. Che cosa significa il termine "SIFT" nel contesto del riconoscimento delle immagini?
A) Tracciamento del volto semi-integrato
B) Segmentazione di caratteristiche e texture delle immagini
C) Trasformazione della caratteristica invariante in scala
D) Tecnica di filtraggio selettivo delle immagini
  • 22. Quale funzione di attivazione viene comunemente utilizzata nello strato di uscita di una CNN per la classificazione multiclasse?
A) Tanh
B) ReLU
C) Sigmoide
D) Softmax
  • 23. Quale tecnica può essere utilizzata per mettere a punto un modello CNN pre-addestrato per un nuovo compito?
A) Ritaglio di immagini
B) Riduzione della dimensionalità PCA
C) Apprendimento per trasferimento
D) Iniezione di rumore
Creato con That Quiz — un sito di test di matematica per studenti di tutti i livelli.