Тесты СинергияАртём Хелп
Артём Help онлайнПолучить расчёт
Бесплатно оценим сроки и стоимостьОтправить задание в Telegram
Анализ изображений и видео с помощью методов искусственного интеллекта.фит_БАК

Анализ изображений и видео с помощью методов искусственного интеллекта.фит_БАК

Просмотрите все вопросы и варианты бесплатно. Правильные ответы скрыты и открываются только после получения доступа.

60 вопросов Вариант 1 Доступ 7 дней
Содержание теста

Вопросы и варианты

Без отметок и подсказок к правильным ответам

Вопрос 1

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

  1. Область, изучающая аппаратное обеспечение для камер и датчиков.
  2. Технология, позволяющая компьютерам "видеть" и интерпретировать визуальную информацию.
  3. Раздел оптики, посвященный цифровой обработке световых волн.
  4. Метод сжатия видео для уменьшения размера файлов.
Вопрос 2

Что из перечисленного НЕ является основной задачей компьютерного зрения?

  1. Классификация изображений.
  2. Обнаружение объектов.
  3. Сегментация изображений.
  4. Компиляция исходного кода.
Вопрос 3

Что такое пиксель?

  1. Физический объектив камеры.
  2. Наименьший логический элемент цифрового изображения.
  3. Единица измерения разрешения экрана.
  4. Алгоритм для увеличения резкости.
Вопрос 4

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

  1. CMYK
  2. RGB
  3. HSV
  4. Grayscale
Вопрос 5

Какова основная цель операции "Нормализация" при предобработке изображений для глубокого обучения?

  1. Увеличение разрешения изображения.
  2. Приведение значений пикселей к стандартному диапазону (например, [0, 1]) для стабилизации обучения.
  3. Изменение цветового пространства изображения.
  4. Удаление всех цветов из изображения.
Вопрос 6

Какая операция предобработки используется для сглаживания изображения и подавления шума?

  1. Нормализация.
  2. Изменение размера (Resizing).
  3. Размытие по Гауссу (Gaussian Blur).
  4. Перевод в оттенки серого (Grayscale).
Вопрос 7

Для чего в компьютерном зрении используется операция "перевод в оттенки серого" (Grayscale Conversion)?

  1. Для увеличения детализации изображения.
  2. Для уменьшения объема данных, если цвет не является важным признаком.
  3. Для обязательного первого шага перед подачей в любую нейронную сеть.
  4. Для исправления баланса белого.
Вопрос 8

Что такое "пропасть семантики" (Semantic Gap) в компьютерном зрении?

  1. Разрыв между качеством разных камер.
  2. Разница между низкоуровневым представлением изображения (матрица пикселей) и его высокоуровневым смыслом для человека.
  3. Проблема несовместимости форматов файлов.
  4. Задержка при обработке видео в реальном времени.
Вопрос 9

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

  1. Это двумерный массив (матриц целых чисел.
  2. Это трехмерный массив (тензор) с размерами (высота, ширина, цветовые каналы).
  3. Это одномерный массив, содержащий шестнадцатеричные коды цветов.
  4. Это граф, узлы которого представляют пиксели.
Вопрос 10

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

  1. Сжатие медицинских видеозаписей.
  2. Автоматический анализ рентгеновских снимков и МРТ.
  3. Создание 3D-моделей зданий.
  4. Распознавание жестов в игровых консолях.
Вопрос 11

Какова основная цель этапа предобработки данных в пайплайне анализа изображений?

  1. Увеличить размер набора данных.
  2. Улучшить качество изображений и привести их к единому стандарту для повышения эффективности алгоритмов
  3. Нарисовать bounding boxes вокруг объектов.
  4. Обучить нейронную сеть.
Вопрос 12

Какое утверждение о разрешении изображения является верным?

  1. Разрешение определяет цветовую насыщенность изображения.
  2. Разрешение измеряется в битах на пиксель (bpp).
  3. Разрешение — это физический размер изображения в дюймах.
  4. Разрешение — это количество пикселей по ширине и высоте изображения.
Вопрос 13

Что такое "глубина цвета" (Color Depth)?

  1. Физическая глубина матрицы камеры.
  2. Количество бит, используемых для представления цвета одного пикселя.
  3. Расстояние от камеры до объекта.
  4. Количество цветовых каналов в изображении.
Вопрос 14

Какая из перечисленных операций НЕ относится к базовой предобработке изображений?

  1. Изменение размера (Resizing).
  2. Обучение сверточной нейронной сети.
  3. Нормализация пикселей.
  4. Фильтрация шума.
Вопрос 15

Какое событие принято считать переломным моментом в современном компьютерном зрении?

  1. Изобретение цифровой камеры.
  2. Победа сверточной нейронной сети AlexNet в конкурсе ImageNet в 2012 году.
  3. Создание формата JPEG.
  4. Разработка библиотеки OpenCV.
Вопрос 16

Что такое OpenCV?

  1. Операционная система для роботов с компьютерным зрением.
  2. Открытая библиотека компьютерного зрения, содержащая множество алгоритмов для обработки изображений и видео.
  3. Протокол для передачи видео по сети.
  4. Язык программирования для анализа данных.
Вопрос 17

Для чего в компьютерном зрении используется облачная среда Google Colab?

  1. Исключительно для хранения больших datasets.
  2. Для бесплатного получения доступа к GPU и выполнения кода на Python в браузере.
  3. Только для проведения онлайн-лекций.
  4. Для создания мобильных приложений.
Вопрос 18

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

  1. Трехмерный тензор.
  2. Двумерную матрицу, где каждый элемент представляет интенсивность яркости.
  3. Одномерный массив координат.
  4. График функции.
Вопрос 19

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

  1. Рисование bounding boxes.
  2. Нормализация значений пикселей.
  3. Увеличение контрастности до максимума.
  4. Обрезка изображения до квадратной формы.
Вопрос 20

Какова основная цель компьютерного зрения?

  1. Заменить человеческое зрение.
  2. Преодолеть "пропасть семантики" и научить компьютеры извлекать смысл из визуальных данных.
  3. Создавать реалистичные изображения с помощью ИИ.
  4. Разрабатывать более качественные дисплеи.
Вопрос 21

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

  1. Генерация новых изображений.
  2. Нахождение характерных, устойчивых особенностей изображения (углов, крае.
  3. Классификация изображений с помощью глубоких нейронных сетей.
  4. Сжатие видеофайлов.
Вопрос 22

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

  1. Оператор Собеля.
  2. Детектор Канни.
  3. Оператор Лапласиана.
  4. Детектор Харриса.
Вопрос 23

Какой метод НЕ является классическим детектором ключевых точек?

  1. SIFT (Scale-Invariant Feature Transform).
  2. ORB (Oriented FAST and Rotated BRIEF).
  3. YOLO (You Only Look Once).
  4. FAST (Features from Accelerated Segment Test).
Вопрос 24

В чем заключается основное преимущество детектора углов Харриса?

  1. Он позволяет находить границы объектов.
  2. Он обнаруживает области изображения, которые остаются неизменными при небольших смещениях окна в любом направлении.
  3. Он используется для классификации изображений.
  4. Он применяется для сегментации изображений.
Вопрос 25

Что такое "дескриптор" ключевой точки?

  1. Алгоритм для ее обнаружения.
  2. Математическое описание области вокруг ключевой точки, позволяющее ее сравнивать.
  3. Процесс фильтрации ложных срабатываний.
  4. Метод для визуализации ключевых точек на изображении.
Вопрос 26

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

  1. SURF.
  2. HOG.
  3. ORB.
  4. BRIEF.
Вопрос 27

Какова основная идея метода "Мешок визуальных слов" (Bag of Visual Words)?

  1. Описание изображения с помощью нейросетевого эмбеддинга.
  2. Создание словаря "визуальных слов" (кластеров дескрипторо и описание изображения гистограммой их встречаемости.
  3. Сегментация изображения на семантические области.
  4. Нахождение геометрических соотношений между ключевыми точками.
Вопрос 28

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

  1. K-ближайших соседей (K-Nearest Neighbors) для дескрипторов.
  2. Кластеризация K-средних (K-Means).
  3. Матрица свертки.
  4. Оператор градиента.
Вопрос 29

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

  1. Детектор Харриса.
  2. FAST.
  3. SIFT.
  4. DoG (Difference of Gaussians
Вопрос 30

Для чего в конвейере "Мешок визуальных слов" используется алгоритм кластеризации K-средних?

  1. Для обнаружения ключевых точек.
  2. Для описания областей вокруг ключевых точек.
  3. Для создания словаря визуальных слов (нахождения центроидов кластеров дескрипторо.
  4. Для классификации гистограмм.
Вопрос 31

Какой из следующих методов НЕ используется для обнаружения границ?

  1. Оператор Собеля.
  2. Оператор Лапласиана.
  3. Детектор Канни.
  4. Детектор Харриса.
Вопрос 32

Что из перечисленного является ключевым свойством детектора и дескриптора SIFT?

  1. Инвариантность к масштабу и повороту.
  2. Высокая скорость работы, превосходящая все другие методы.
  3. Работа исключительно с бинарными изображениями.
  4. Зависимость от цветовой модели изображения.
Вопрос 33

Какой классификатор часто используется на последнем этапе конвейера "Мешок визуальных слов" для категоризации изображений?

  1. Метод опорных векторов (SVM).
  2. Сверточная нейронная сеть (CNN).
  3. Линейная регрессия.
  4. Детектор Канни.
Вопрос 34

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

  1. Нормализация гистограммы.
  2. Проверка геометрической согласованности (например, с помощью RANSAC).
  3. Применение фильтра Гаусса.
  4. Морфологическое закрытие
Вопрос 35

Что вычисляет оператор Собеля?

  1. Лапласиан изображения.
  2. Аппроксимацию частной производной (градиент изображения по осям X и Y.
  3. Интеграл интенсивности по области.
  4. Корреляцию между двумя изображениями.
Вопрос 36

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

  1. Построение гистограммы направленных градиентов (HOG).
  2. Отрисовка кругов или других маркеров в местах их расположения.
  3. Применение цветовой карты тепла (heatmap).
  4. Построение контурной карты.
Вопрос 37

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

  1. Увеличение разрешения изображения.
  2. Сжатие изображения.
  3. Обеспечение инвариантности к изменению масштаба.
  4. Удаление шума.
Вопрос 38

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

  1. SIFT.
  2. SURF.
  3. HOG.
  4. BRIEF (и ORB на его основе
Вопрос 39

Что является основным недостатком метода "Мешок визуальных слов" по сравнению с современными подходами на основе глубокого обучения?

  1. Он не может использоваться для классификации изображений.
  2. Он не использует ключевые точки
  3. Он не учитывает пространственное расположение признаков (их геометрию).
  4. Он требует для работы мощные графические ускорители (GPU).
Вопрос 40

Какой алгоритм используется для поиска ключевых точек в детекторе SIFT?

  1. Поиск локальных экстремумов в пирамиде разностей гауссианов (DoG).
  2. Анализ отклика фильтра Хаара.
  3. Поиск пересечения линий градиента.
  4. Пороговая обработка интенсивности пикселей.
Вопрос 41

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

  1. Создание новых математических теорий обработки сигналов
  2. Появление больших размеченных датасетов, мощных GPU и эффективных алгоритмов
  3. Разработка новых форматов хранения изображений
  4. Улучшение качества цифровых камер
Вопрос 42

Какой из перечисленных элементов НЕ является компонентом искусственного нейрона?

  1. Функция активации
  2. Смещение (bias)
  3. Весовые коэффициенты
  4. Пулинговый слой
Вопрос 43

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

  1. Sigmoid
  2. Tanh
  3. ReLU (Rectified Linear Unit)
  4. Softmax
Вопрос 44

Какова основная функция сверточного слоя в CNN?

  1. Уменьшение размерности feature maps
  2. Извлечение признаков с помощью скользящих фильтров
  3. Классификация изображений
  4. Нормализация входных данных
Вопрос 45

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

  1. Для увеличения количества параметров модели
  2. Для уменьшения размерности feature maps и повышения инвариантности к малым смещениям
  3. Для добавления нелинейности в модель
  4. Для инициализации весов сети
Вопрос 46

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

  1. ReLU
  2. Sigmoid
  3. Tanh
  4. Softmax
Вопрос 47

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

  1. Функция для измерения производительности процессора
  2. Метрика, оценивающая, насколько предсказания модели отличаются от истинных значений
  3. Алгоритм для визуализации весов сети
  4. Метод регуляризации модели
Вопрос 48

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

  1. Метод наименьших квадратов
  2. Обратное распространение ошибки (backpropagation)
  3. K-ближайших соседей
  4. Метод главных компонент
Вопрос 49

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

  1. Сверточные слои
  2. Пулинговые слои
  3. Полносвязные слои
  4. Детектор границ Канни
Вопрос 50

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

  1. VGG
  2. ResNet
  3. AlexNet
  4. LeNet
Вопрос 51

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

  1. Количество примеров в одном пакете обучения
  2. Параметр, определяющий размер шага при обновлении весов
  3. Количество эпох обучения
  4. Процент правильно классифицированных изображений
Вопрос 52

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

  1. Stochastic Gradient Descent (SGD)
  2. Adam
  3. K-means
  4. Support Vector Machine (SVM)
Вопрос 53

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

  1. Одномерный вектор значений пикселей
  2. Двумерную матрицу яркостей
  3. Трехмерный массив (высота × ширина × цветовые каналы)
  4. Четырехмерный массив времени
Вопрос 54

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

  1. Увеличение learning rate
  2. Добавление слоев
  3. Использование Dropout слоев
  4. Увеличение количества параметров
Вопрос 55

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

  1. Одна итерация обновления весов
  2. Обработка одного пакета данных (batch)
  3. Полный проход по всему тренировочному набору данных
  4. Процесс тестирования модели
Вопрос 56

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

  1. Свертка с скользящим окном
  2. Уменьшение размерности max pooling'ом
  3. Каждый нейрон соединен со всеми нейронами предыдущего слоя
  4. Применение функции активации ReLU
Вопрос 57

Что такое "пакетное обучение" (batch training) нейронных сетей?

  1. Обучение на одном примере за раз
  2. Обучение на всех данных одновременно
  3. Обучение на подмножестве данных перед обновлением весов
  4. Обучение без учителя
Вопрос 58

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

  1. Размер фильтра (kernel size)
  2. Шаг (stride)
  3. Дополнение (padding)
  4. Количество фильтров
Вопрос 59

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

  1. Большее количество параметров
  2. Независимость от пространственной структуры данных
  3. Учет пространственных локальных зависимостей и разделение параметров
  4. Более простая реализация
Вопрос 60

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

  1. Увеличение разрешения изображений
  2. Нормализация значений пикселей
  3. Преобразование в черно-белый формат
  4. Применение детектора границ