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