Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है • Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है • Muft Shiksha™ एक 100% Free Education Portal है 🇮🇳, जिसका उद्देश्य Class 9–12 के हर विद्यार्थी तक High-Quality Education को पूरी तरह मुफ्त पहुँचाना है। 🇮🇳 हम मानते हैं कि अच्छी शिक्षा किसी student की आर्थिक स्थिति पर निर्भर नहीं होनी चाहिए। 🇮🇳 हर विद्यार्थी को वही Quality Study Material, MCQs, Quizzes, Exam Preparation, Concept-Based Learning और Bilingual Support मिलना चाहिए, जो आमतौर पर महंगी Coaching या Premium Platforms में मिलता है। Muft Shiksha™ 🇮🇳 इसी सोच के साथ बनाया गया है
A. ताकि प्रतिरूप अलग-अलग स्थितियों में वस्तुओं को पहचान सके/So the model can recognize objects in different situations
Explanation
Simple Explanation
प्रशिक्षण चित्रों में प्रकाश, आकार, कोण, पृष्ठभूमि और वस्तु की स्थिति जैसी विविधताएँ होने पर प्रतिरूप वास्तविक दुनिया के अलग-अलग उदाहरणों से सीखता है। इससे वह केवल किसी एक चित्र को याद करने के बजाय नए चित्रों पर बेहतर सामान्यीकरण कर पाता है। विकल्प B याद करने की समस्या बताता है, जो विविध और पर्याप्त प्रशिक्षण से कम की जाती है। परीक्षा-युक्ति: विविध प्रशिक्षण डेटा सामान्यीकरण क्षमता बढ़ाता है। / When training images vary in lighting, size, angle, background, and object position, the model learns from different real-world examples. This helps it generalize to new images instead of merely memorizing one image. Option B describes memorization, which varied and sufficient training data helps reduce. Exam tip: diverse training data generally improves a model’s generalization ability.
A. प्रशिक्षण के लिए चित्रों के विविध रूप बनाना/To create varied versions of images for training
Explanation
Simple Explanation
चित्र संवर्धन में मूल चित्रों पर छोटे परिवर्तन किए जाते हैं, जैसे घुमाना, पलटना, काटना या चमक बदलना। इससे प्रशिक्षण के लिए चित्रों के विविध रूप मिलते हैं और प्रतिरूप अलग-अलग परिस्थितियों में बेहतर सामान्यीकरण कर सकता है। इसलिए विकल्प A सही है। विकल्प C गलत है, क्योंकि संवर्धन का उद्देश्य आंकड़ों को हटाना नहीं, बल्कि प्रशिक्षण आंकड़ों की विविधता बढ़ाना है। परीक्षा टिप: Image augmentation को training data की विविधता बढ़ाने की तकनीक के रूप में याद रखें। / Image augmentation applies small changes to original images, such as rotation, flipping, cropping, or changing brightness. It creates varied training examples and can help a model generalize better to different conditions. Therefore, option A is correct. Option C is incorrect because augmentation does not remove data; it increases the diversity of training data. Exam tip: Remember image augmentation as a technique for increasing the variety of training data.
A. वस्तु पहचान वस्तु का स्थान भी बताती है/Object detection also tells the object's location
Explanation
Simple Explanation
चित्र वर्गीकरण सामान्यतः पूरे चित्र को एक या अधिक श्रेणियों में रखता है, जबकि वस्तु पहचान चित्र में मौजूद अलग-अलग वस्तुओं की पहचान के साथ उनके स्थान, प्रायः bounding boxes के रूप में, बताती है। इसलिए स्थान बताना मुख्य अंतर है। विकल्प B वर्गीकरण का सही वर्णन करता है, लेकिन वह वस्तु पहचान और वर्गीकरण के बीच मुख्य अंतर को पूरा नहीं बताता। परीक्षा-युक्ति: classification को “क्या है?” और detection को “क्या है और कहाँ है?” के रूप में याद रखें। / Image classification assigns one or more categories to the image as a whole, whereas object detection identifies individual objects and indicates their locations, usually with bounding boxes. Therefore, reporting location is the key difference. Option B correctly describes classification but does not state the complete contrast as directly as option A. Exam tip: remember classification as “what is in the image?” and detection as “what is it and where is it?”
A. वस्तु के स्थान को घेरकर दिखाने के लिए/To mark the location of an object
Explanation
Simple Explanation
सही उत्तर A है। कंप्यूटर विज़न में सीमा डिब्बा किसी चित्र में पहचानी गई वस्तु के चारों ओर आयत बनाकर उसका स्थान और लगभग सीमा दिखाता है। यह वस्तु पहचान (object detection) के परिणामों को समझने में सहायक होता है; यह ध्वनि बढ़ाने या फाइल संबंधी कार्यों के लिए उपयोग नहीं होता। परीक्षा-टिप: वस्तु का वर्ग और उसका स्थान दोनों बताने वाली तकनीक को object detection कहते हैं। / Option A is correct. In computer vision, a bounding box is a rectangle drawn around a detected object to show its location and approximate extent in an image. It helps interpret object-detection results; it is not used for audio amplification or file operations. Exam tip: Object detection identifies an object’s class and location, whereas image classification generally gives only the class.
A. संवेदनशील निर्णयों की जांच और सुधार के लिए/For checking and correcting sensitive decisions
Explanation
Simple Explanation
मानव नियंत्रण से AI द्वारा दिए गए संवेदनशील या महत्वपूर्ण निर्णयों की समीक्षा, सुधार और आवश्यकता पड़ने पर रोकथाम की जा सकती है। केवल मशीन पर निर्भर रहने से उसकी गलतियाँ या पक्षपात बिना जांच के लागू हो सकते हैं। परीक्षा-युक्ति: AI नैतिकता में मानव निगरानी का मुख्य उद्देश्य सुरक्षा, जवाबदेही और निष्पक्षता बनाए रखना है। / Human control allows sensitive or important AI decisions to be reviewed, corrected, and stopped when necessary. Relying only on a machine may allow its errors or bias to be applied without review. Exam tip: In AI ethics, human oversight mainly supports safety, accountability, and fairness.
कंप्यूटर विज़न AI को एक्स-रे, MRI या CT जैसी छवियों में पैटर्न पहचानने में सक्षम बनाता है, इसलिए यह सही है। वाक् पहचान ध्वनि पर काम करती है। परीक्षा टिप: छवि-आधारित कार्यों को कंप्यूटर विज़न से जोड़ें। / Computer Vision enables AI to detect patterns in images such as X-rays, MRIs, or CT scans, so it is correct. Speech recognition processes audio, not images. Exam tip: associate image-based tasks with Computer Vision.
एक्स-रे में हड्डियों के पैटर्न और असामान्यताओं को पहचानना दृश्य डेटा का विश्लेषण है, इसलिए यह कंप्यूटर विज़न है। NLP भाषा या पाठ पर काम करता है। परीक्षा टिप: चित्र या वीडियो दिखे तो पहले कंप्यूटर विज़न सोचें। / The system examines patterns in an X-ray image, so it uses computer vision. NLP processes language rather than images. Exam tip: when the input is an image or video, first consider computer vision.
A. सटीक कृषि में फसल रोग पहचान/Crop disease detection in precision agriculture
Explanation
Simple Explanation
पत्तियों की छवियों में रोग के लक्षण पहचानकर खेत के प्रभावित भाग बताना सटीक कृषि का उपयोग है। चेहरा पहचान भी छवियों का उपयोग करती है, पर उसका उद्देश्य व्यक्ति पहचानना है। परीक्षा टिप: संदर्भ में फसल और रोग हों तो कृषि AI चुनें। / Detecting disease symptoms in leaf images and locating affected crop areas is an application of AI in precision agriculture. Facial recognition also uses images, but it identifies people rather than crop health. Exam tip: crop-and-disease contexts point to agricultural AI.
