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.
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) 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.
A) Precisione B) Punteggio F1 C) Errore quadratico medio D) Quadrato R
A) Regolarizzazione degli abbandoni B) Utilizzo di lotti più piccoli C) Aumentare il tasso di apprendimento D) Aggiunta di altri livelli alla rete
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.
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.
A) Lineare B) ReLU (Unità lineare rettificata) C) Sigmoide D) Tanh
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.
A) Set di dati di testi di canzoni B) Set di dati meteo C) ImageNet D) Set di dati spam
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.
A) Trasformata di Fourier B) Metodo Lucas-Kanade C) Sfocatura gaussiana D) Equalizzazione dell'istogramma
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.
A) Rotazione delle immagini B) Denoising dei mezzi non locali C) Aggiunta di rumore alle immagini D) Aumento della risoluzione delle immagini
A) Rilevamento degli oggetti B) Segmentazione dell'immagine C) Estrazione delle caratteristiche D) Classificazione delle immagini
A) Rete neurale convoluzionale B) Rete di neuroni complessa C) Rete neurale controllata D) Rete neuronale computerizzata
A) Strato convoluzionale B) Strato di pooling C) Strato di attivazione D) Strato completamente connesso
A) Perdita L1 B) Perdita di entropia incrociata C) Perdita di entropia incrociata binaria D) Errore quadratico medio
A) InceptionNet B) VGGNet C) AlexNet D) ResNet (Rete residua)
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)
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
A) Tanh B) ReLU C) Sigmoide D) Softmax
A) Ritaglio di immagini B) Riduzione della dimensionalità PCA C) Apprendimento per trasferimento D) Iniezione di rumore |