A) L'uso di schermi di computer per visualizzare immagini. B) Lo studio del funzionamento della visione umana. C) Il processo di filtraggio e miglioramento delle immagini visive. D) Il campo di studio che consente ai computer di interpretare e comprendere le informazioni visive del mondo reale.
A) Distorsione casuale delle immagini. B) Miglioramento della qualità dell'immagine e riduzione del rumore per una migliore analisi. C) Sfocatura delle immagini per effetto artistico. D) Modifica delle dimensioni dell'immagine.
A) Suddivisione di un'immagine in regioni o oggetti significativi per l'analisi. B) Rimozione dei colori da un'immagine. C) Combinazione di più immagini in una sola. D) Creare un'immagine speculare dell'originale.
A) Precisione B) Errore quadratico medio C) Quadrato R D) Punteggio F1
A) Aggiunta di altri livelli alla rete B) Utilizzo di lotti più piccoli C) Aumentare il tasso di apprendimento D) Regolarizzazione degli abbandoni
A) Utilizzo di modelli pre-addestrati e messa a punto per un compito specifico. B) Trasferimento di immagini tra dispositivi diversi. C) Trasferimento dei gradienti durante la retropropagazione. D) Trasferimento dei pixel dell'immagine in una nuova immagine.
A) Aumento del numero di parametri. B) Introdurre la non linearità nella rete. C) Riduzione delle dimensioni spaziali dell'input. D) Normalizzazione dei valori di ingresso.
A) Sigmoide B) Tanh C) Lineare D) ReLU (Unità lineare rettificata)
A) Riassumere le prestazioni di un modello di classificazione utilizzando i valori di vero positivo, falso positivo, vero negativo e falso negativo. B) Sfocatura delle immagini per la protezione della privacy. C) Conversione delle immagini in scala di grigi. D) Creazione di immagini composite.
A) Set di dati spam B) Set di dati meteo C) ImageNet D) Set di dati di testi di canzoni
A) Attenuazione delle intensità dei pixel. B) Conversione di immagini in bianco e nero. C) Identificare e delineare i singoli oggetti all'interno di una scena. D) Applicazione di filtri di colore alle immagini.
A) Equalizzazione dell'istogramma B) Sfocatura gaussiana C) Trasformata di Fourier D) Metodo Lucas-Kanade
A) Normalizzazione degli istogrammi delle immagini. B) Rilevamento dei bordi degli oggetti. C) Mappatura di un'immagine su un altro piano immagine. D) Sfumatura dei confini dell'immagine.
A) Rotazione delle immagini B) Aumento della risoluzione delle immagini C) Denoising dei mezzi non locali D) Aggiunta di rumore alle immagini
A) Rilevamento degli oggetti B) Classificazione delle immagini C) Estrazione delle caratteristiche D) Segmentazione dell'immagine
A) Rete neuronale computerizzata B) Rete di neuroni complessa C) Rete neurale convoluzionale D) Rete neurale controllata
A) Strato completamente connesso B) Strato di attivazione C) Strato convoluzionale D) Strato di pooling
A) Perdita di entropia incrociata binaria B) Perdita L1 C) Errore quadratico medio D) Perdita di entropia incrociata
A) VGGNet B) InceptionNet C) AlexNet D) ResNet (Rete residua)
A) Vicini più vicini (K-Nearest Neighbors, KNN) B) Macchine vettoriali di supporto (SVM) C) Reti neurali convoluzionali (CNN) D) Analisi delle componenti principali (PCA)
A) Trasformazione della caratteristica invariante in scala B) Segmentazione di caratteristiche e texture delle immagini C) Tecnica di filtraggio selettivo delle immagini D) Tracciamento del volto semi-integrato
A) Tanh B) ReLU C) Softmax D) Sigmoide
A) Iniezione di rumore B) Apprendimento per trasferimento C) Ritaglio di immagini D) Riduzione della dimensionalità PCA |