A) L'uso di schermi di computer per visualizzare immagini. 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) Il processo di filtraggio e miglioramento delle immagini visive.
A) Modifica delle dimensioni dell'immagine. B) Miglioramento della qualità dell'immagine e riduzione del rumore per una migliore analisi. C) Sfocatura delle immagini per effetto artistico. D) Distorsione casuale 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.
A) Precisione B) Errore quadratico medio C) Quadrato R D) Punteggio F1
A) Regolarizzazione degli abbandoni B) Aumentare il tasso di apprendimento C) Utilizzo di lotti più piccoli D) Aggiunta di altri livelli alla rete
A) Trasferimento di immagini tra dispositivi diversi. 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 dei gradienti durante la retropropagazione.
A) Riduzione delle dimensioni spaziali dell'input. B) Normalizzazione dei valori di ingresso. C) Aumento del numero di parametri. D) Introdurre la non linearità nella rete.
A) Tanh B) Sigmoide C) Lineare D) ReLU (Unità lineare rettificata)
A) Sfocatura delle immagini per la protezione della privacy. B) Creazione di immagini composite. C) Conversione delle immagini in scala di grigi. 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 meteo B) Set di dati di testi di canzoni C) Set di dati spam D) ImageNet
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) Sfocatura gaussiana B) Trasformata di Fourier C) Metodo Lucas-Kanade D) Equalizzazione dell'istogramma
A) Rilevamento dei bordi degli oggetti. B) Normalizzazione degli istogrammi delle immagini. C) Mappatura di un'immagine su un altro piano immagine. D) Sfumatura dei confini dell'immagine.
A) Aumento della risoluzione delle immagini B) Aggiunta di rumore alle immagini C) Denoising dei mezzi non locali D) Rotazione delle immagini
A) Estrazione delle caratteristiche B) Segmentazione dell'immagine C) Rilevamento degli oggetti 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 completamente connesso C) Strato di pooling D) Strato di attivazione
A) Errore quadratico medio B) Perdita di entropia incrociata binaria C) Perdita L1 D) Perdita di entropia incrociata
A) ResNet (Rete residua) B) VGGNet C) InceptionNet 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) Trasformazione della caratteristica invariante in scala B) Tecnica di filtraggio selettivo delle immagini C) Segmentazione di caratteristiche e texture delle immagini D) Tracciamento del volto semi-integrato
A) Sigmoide B) Tanh C) Softmax D) ReLU
A) Ritaglio di immagini B) Apprendimento per trasferimento C) Riduzione della dimensionalità PCA D) Iniezione di rumore |