iPAS AI應用規劃師-初級 (1) / iPAS AI 應用規劃師, AI 測驗題庫, iPAS AI 初級, 測驗題庫 / 作者: S學院 iPAS AI應用規劃師-初級 (1) 模擬測驗，採智能選題，無限次反覆練習。 1. 在影像處理中，什麼是「二值化」？ 將單個圖像分割成兩半 將圖像像素轉換為只有兩個值（通常是黑和白） 將圖像轉換為兩個單獨的圖像 將彩色圖像轉換為灰度圖像 None 2. 解耦表示(Disentangled Representation)的主要特點是： 只用於無監督學習 將數據的生成因素分離為獨立可控的因素 總是改善模型精度 使用更少的特徵維度 None 3. 在電腦視覺中，「遷移學習」為何在實際應用中很重要？ 它允許無需任何學習 它只適用於黑白圖像 它只能用於文字辨識 它允許使用較少的領域特定數據來訓練有效模型 None 4. 在電腦視覺中，圖像在電腦中是如何表示的？ 以聲音波形的形式 以文字描述的形式 以向量的形式 以圖元陣列的形式 None 5. 色彩分析功能中的「前景色彩」是指什麼？ 圖像最上方的顏色 用戶選擇的顏色 圖像四周的顏色 圖像主要物體的顯著色彩 None 6. 在光學字符識別(OCR)中，CRNN(Convolutional Recurrent Neural Network)的主要創新點是： 能直接處理任意語言 不需要預處理步驟 結合CNN的特徵提取和RNN的序列建模能力 完全不需要字符級標註 None 7. RGB色彩模式中，白色由哪些值表示？ R=0, G=255, B=255 R=255, G=255, B=255 R=0, G=0, B=0 R=100, G=100, B=100 None 8. 圖像分類模型的主要功能是什麼？ 判斷圖像中顯示的物體類型 移除圖像背景 將圖像分割成不同區域 在圖像中定位物體 None 9. Azure AI視覺的「色彩分析」功能如何幫助視覺設計？ 僅通過壓縮圖像 僅通過提高圖像解析度 提供色彩分布和主色彩信息以指導設計決策 只通過調整圖像大小 None 10. 在圖像處理中，"形態學操作"(Morphological Operations)主要應用於： 基於像素鄰域的圖像形狀處理 圖像壓縮 顏色校正 特徵提取 None 11. Azure AI視覺中，「自訂視覺」與「預訓練模型」在應用上有何主要區別？ 預訓練模型總是更準確 它們完全相同 自訂視覺總是更快 自訂視覺可針對特定需求優化，而預訓練模型更通用 None 12. 在深度學習中，什麼是"特徵空間扭曲"(manifold distortion)？ 在視覺化過程中產生的失真 圖像旋轉後產生的畸變 當高維特徵映射到低維空間時產生的信息損失 因硬體限制導致的計算錯誤 None 13. Azure AI視覺服務中的圖像描述功能主要運用什麼技術？ 人工手動標注 結合視覺和語言處理的深度學習 簡單的關鍵詞匹配 只應用基本的邊緣檢測 None 14. Azure AI視覺中的敏感內容審核功能主要用於什麼？ 僅用於識別版權材料 僅識別圖像中的人物 僅檢測圖像質量 識別和過濾不適當的圖像內容 None 15. 在深度學習中，"神經常微分方程"(Neural Ordinary Differential Equations)的核心思想是： 僅使用微分方程建模 只適用於時間序列數據 將神經網絡層序列視為連續函數的離散採樣 完全取代卷積操作 None 16. 在數位圖像處理中，"卷積運算"是指什麼？ 將多個圖像合併為一個的過程 將篩選器應用於圖像像素的數學操作 僅改變圖像大小的過程 僅改變圖像色彩的過程 None 17. 電腦視覺的主要目標是什麼？ 讓電腦能辨識聲音 讓電腦能有效處理文字資料 讓電腦能「看到」並理解視覺資訊 讓電腦能聽懂人類語言 None 18. 在CNN中，為什麼更常使用最大池化(Max Pooling)而非平均池化(Average Pooling)？ 平均池化計算成本更高 最大池化傾向於保留顯著特徵並減少噪聲影響 最大池化避免了梯度消失問題 最大池化總是保留更多信息 None 19. 在深度學習中，"通道混合"(Channel Shuffling)的主要目的是： 在分組卷積後促進組間信息交流 完全取代特徵融合 增加模型複雜度 減少特徵數量 None 20. 混合密度網路(Mixture Density Networks)主要用於解決什麼問題？ 提高分類準確性 加速網路訓練 建模輸出的多模態分布 減少特徵維度 None 如有問題可留言，謝謝您的寶貴意見！ 暱稱 電郵（提交獲得正確答案，可換題測驗完整題庫，新增題庫電郵通知） Time's up
