Анализ изображений и видео с помощью методов искусственного интеллекта ответы на тесты Синергия/МТИ

Скачать тест: Анализ изображений и видео с помощью методов искусственного интеллекта.фит_БАК ответы на тесты Синергия МТИ.pdf

1. Что такое компьютерное зрение (Computer Vision) в контексте искусственного интеллекта?

2. Что из перечисленного НЕ является основной задачей компьютерного зрения?

3. Что такое пиксель?

4. Какое цветовое пространство является аддитивной моделью и широко используется в дисплеях?

5. Какова основная цель операции «Нормализация» при предобработке изображений для глубокого обучения?

6. Какая операция предобработки используется для сглаживания изображения и подавления шума?

7. Для чего в компьютерном зрении используется операция «перевод в оттенки серого» (Grayscale Conversion)?

8. Что такое «пропасть семантики» (Semantic Gap) в компьютерном зрении?

9. Какое из этих утверждений лучше всего описывает представление цветного изображения в памяти компьютера?

10. Что из перечисленного является примером области применения компьютерного зрения в медицине?

11. Какова основная цель этапа предобработки данных в пайплайне анализа изображений?

12. Какое утверждение о разрешении изображения является верным?

13. Что такое «глубина цвета» (Color Depth)?

14. Какая из перечисленных операций НЕ относится к базовой предобработке изображений?

15. Какое событие принято считать переломным моментом в современном компьютерном зрении?

16. Что такое OpenCV?

17. Для чего в компьютерном зрении используется облачная среда Google Colab?

18. Что из себя представляет черно-белое изображение в цифровой форме?

19. Какая операция предобработки критически важна перед подачей данных в сверточную нейронную сеть?

20. Какова основная цель компьютерного зрения?

21. Какова основная цель использования классических методов компьютерного зрения, таких как детекторы признаков?

22. Какой алгоритм является классическим и многоступенчатым детектором границ, использующим подавление не-максимумов и двойную пороговую фильтрацию?

23. Какой метод НЕ является классическим детектором ключевых точек?

24. В чем заключается основное преимущество детектора углов Харриса?

25. Что такое «дескриптор» ключевой точки?

26. Какой из перечисленных дескрипторов является патентосвободным и был разработан как эффективная альтернатива SIFT?

27. Какова основная идея метода «Мешок визуальных слов» (Bag of Visual Words)?

28. Какой классический метод используется для сопоставления ключевых точек на двух изображениях?

29. Какой из этих детекторов работает, проверяя интенсивность пикселей на окружности вокруг точки-кандидата, что делает его очень быстрым?

30. Для чего в конвейере «Мешок визуальных слов» используется алгоритм кластеризации K-средних?

31. Какой из следующих методов НЕ используется для обнаружения границ?

32. Что из перечисленного является ключевым свойством детектора и дескриптора SIFT?

33. Какой классификатор часто используется на последнем этапе конвейера «Мешок визуальных слов» для категоризации изображений?

34. Какая из перечисленных операций используется для улучшения результатов сопоставления ключевых точек путем отсева ложных совпадений?

35. Что вычисляет оператор Собеля?

36. Какой метод используется для визуализации ключевых точек, найденных такими алгоритмами, как SIFT или ORB, на изображении?

37. Какова основная цель использования пирамиды изображений (image pyramid) в таких алгоритмах, как SIFT?

38. Какой из этих методов описывает область вокруг ключевой точки с помощью бинарных строк, что делает сравнение очень быстрым?

39. Что является основным недостатком метода «Мешок визуальных слов» по сравнению с современными подходами на основе глубокого обучения?

40. Какой алгоритм используется для поиска ключевых точек в детекторе SIFT?

41. Что является основной причиной революционного прорыва глубокого обучения в компьютерном зрении после 2012 года?

42. Какой из перечисленных элементов НЕ является компонентом искусственного нейрона?

43. Какая функция активации наиболее широко используется в скрытых слоях сверточных нейронных сетей благодаря простоте и эффективности?

44. Какова основная функция сверточного слоя в CNN?

45. Для чего используется пулинговый слой (pooling layer) в архитектуре CNN?

46. Какая функция активации используется на выходном слое CNN для задачи многоклассовой классификации?

47. Что такое функция потерь (loss function) в контексте обучения нейронных сетей?

48. Какой алгоритм лежит в основе обучения глубоких нейронных сетей и позволяет вычислять градиенты по всем весам сети?

49. Что из перечисленного НЕ является типичным компонентом архитектуры сверточной нейронной сети?

50. Какая из перечисленных архитектур CNN стала прорывом и выиграла конкурс ImageNet в 2012 году?

51. Что такое learning rate (скорость обучения) в контексте оптимизации нейронных сетей?

52. Какой из перечисленных оптимизаторов является адаптивным и часто используется для обучения CNN?

53. Что представляет собой тензор на входе сверточной нейронной сети для цветного изображения?

54. Какой метод помогает бороться с переобучением (overfitting) в нейронных сетях?

55. Что такое эпоха (epoch) в процессе обучения нейронной сети?

56. Какая операция выполняется на полносвязном слое (fully connected layer) в CNN?

57. Что такое «пакетное обучение» (batch training) нейронных сетей?

58. Какой параметр CNN определяет, на сколько пикселей смещается фильтр при свертке?

59. Что из перечисленного является преимуществом использования сверточных слоев по сравнению с полносвязными слоями для обработки изображений?

60. Какой метод предобработки данных обычно применяется к изображениям перед подачей в CNN?