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) 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.
  • 2. Qual è lo scopo della pre-elaborazione delle immagini nella Computer Vision?
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.
  • 3. Cosa si intende con il termine "segmentazione delle immagini"?
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.
  • 4. Quale metrica di valutazione viene comunemente utilizzata per i compiti di classificazione delle immagini?
A) Punteggio F1
B) Precisione
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) Utilizzo di lotti più piccoli
B) Regolarizzazione degli abbandoni
C) Aggiunta di altri livelli alla rete
D) Aumentare il tasso di apprendimento
  • 6. Cosa si intende per "apprendimento di trasferimento" nel contesto dell'apprendimento profondo per il riconoscimento delle immagini?
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.
  • 7. Qual è lo scopo di un "livello di pooling" in una rete neurale convoluzionale?
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.
  • 8. Quale funzione di attivazione è comunemente utilizzata nelle reti neurali convoluzionali?
A) ReLU (Unità lineare rettificata)
B) Tanh
C) Lineare
D) Sigmoide
  • 9. A cosa serve la "matrice di confusione" nella valutazione dei modelli di classificazione delle immagini?
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.
  • 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) ImageNet
C) Set di dati spam
D) Set di dati meteo
  • 11. Che cos'è la "segmentazione dell'istanza" nel contesto del rilevamento degli oggetti?
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.
  • 12. Quale metodo può essere utilizzato per calcolare il flusso ottico nell'elaborazione video?
A) Sfocatura gaussiana
B) Trasformata di Fourier
C) Equalizzazione dell'istogramma
D) Metodo Lucas-Kanade
  • 13. Qual è lo scopo dell'omografia nella Computer Vision?
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.
  • 14. Quale tecnica viene utilizzata per il denoising delle immagini nella Computer Vision?
A) Aggiunta di rumore alle immagini
B) Denoising dei mezzi non locali
C) Rotazione delle immagini
D) Aumento della risoluzione delle immagini
  • 15. Quale tecnica viene utilizzata per identificare e localizzare gli oggetti all'interno di un'immagine?
A) Classificazione delle immagini
B) Estrazione delle caratteristiche
C) Rilevamento degli oggetti
D) Segmentazione dell'immagine
  • 16. Cosa significa CNN?
A) Rete neurale controllata
B) Rete neurale convoluzionale
C) Rete neuronale computerizzata
D) Rete di neuroni complessa
  • 17. Quale strato di una CNN è responsabile della riduzione delle dimensioni spaziali?
A) Strato di pooling
B) Strato convoluzionale
C) Strato di attivazione
D) Strato completamente connesso
  • 18. Quale funzione di perdita è comunemente utilizzata nei compiti di classificazione delle immagini?
A) Perdita di entropia incrociata
B) Perdita di entropia incrociata binaria
C) Errore quadratico medio
D) Perdita L1
  • 19. Quale modello CNN pre-addestrato viene comunemente utilizzato per vari compiti di riconoscimento delle immagini?
A) ResNet (Rete residua)
B) InceptionNet
C) VGGNet
D) AlexNet
  • 20. Quale tecnica è comunemente utilizzata per l'estrazione delle caratteristiche delle immagini?
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)
  • 21. Che cosa significa il termine "SIFT" nel contesto del riconoscimento delle immagini?
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
  • 22. Quale funzione di attivazione viene comunemente utilizzata nello strato di uscita di una CNN per la classificazione multiclasse?
A) Tanh
B) Softmax
C) Sigmoide
D) ReLU
  • 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) Iniezione di rumore
D) Apprendimento per trasferimento
Creato con That Quiz — un sito di test di matematica per studenti di tutti i livelli.