Quiz Lab 1- Classificazione delle immagini

Cosa fa un modello di classificazione immagini?

• Prova a riconoscere cosa c'è in un'immagine

• Salva l'immagine in una nuova cartella

• Modifica il contenuto visivo

• Crea un testo a partire da un'immagine

Cosa significa che un modello è "pre-addestrato"?

• Può addestrarsi da solo durante l'uso

• È stato convertito in un altro formato

• È già stato allenato su un insieme di dati

• È più veloce ad addestrarsi

Cosa fa il modello dopo aver ricevuto un'immagine?

• Crea un'immagine simile

• Modifica il formato dell'immagine

• Genera una previsione della categoria dell'immagine

• Aggiunge un'etichetta personalizzata

Perché convertiamo un'immagine in un tensore?

• Per confrontarla con altre immagini

• Per cambiare dimensione

• Per poter elaborare l'immagine con il modello

• Per renderla più visibile

Cosa rappresenta una "classe" in un problema di classificazione?

• Il nome della funzione che gestisce i dati

• Il tipo di file immagine

• La posizione dell'immagine nel dataset

• Una possibile etichetta tra cui il modello sceglie

Perché si usano modelli come ResNet o MobileNet?

• Perché hanno immagini più nitide

• Perché funzionano solo su GPU

• Perché sono stati allenati per riconoscere oggetti visivi

• Perché permettono di modificare le immagini

Cosa viene passato al modello durante l'inferenza?

• Una lista di categorie da escludere

• Un'immagine trasformata nel formato corretto

• Il tipo di classe previsto

• Un nome file e la sua estensione

Cosa fa la funzione softmax sul risultato del modello?

• Semplifica la visualizzazione dell'immagine

• Ordina le classi in ordine alfabetico

• Converte i punteggi in valori simili a percentuali

• Rende più nitida la classificazione

Se il modello restituisce 1000 numeri, cosa rappresentano?

• Il numero di immagini analizzate

• Le dimensioni di 1000 immagini

• Le probabilità per 1000 categorie diverse

• I pixel previsti dall'output

Qual è l'importanza di visualizzare le etichette e i risultati delle previsioni del modello?

• Per analizzare le prestazioni del modello

• Per ridurre il tempo di elaborazione

• Per facilitare la comprensione dei dati

• Per ottimizzare il codice sorgente