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