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. चित्रों और दृश्य जानकारी को समझने से/Understanding images and visual information
Explanation
Simple Explanation
कंप्यूटर दृष्टि कृत्रिम बुद्धिमत्ता की वह शाखा है जो कंप्यूटर को चित्रों और वीडियो जैसी दृश्य जानकारी का विश्लेषण और अर्थ समझने में सक्षम बनाती है। चेहरा पहचानना और वस्तु पहचानना इसके उदाहरण हैं। लिखित निबंध या केवल ध्वनि से संबंधित कार्य कंप्यूटर दृष्टि के मुख्य कार्य नहीं हैं। परीक्षा-टिप: दृश्य इनपुट—चित्र या वीडियो—दिया हो, तो कंप्यूटर दृष्टि से संबंधित कार्य पहचानें। / Computer vision is a branch of artificial intelligence that enables computers to analyse and interpret visual information such as images and videos. Face recognition and object detection are examples of computer vision. Preparing essays or recording only sound are not its primary functions. Exam tip: When the input is visual, such as an image or video, think of computer vision.
A. चित्र को उचित वर्ग में रखता है/Places the image into a suitable category
Explanation
Simple Explanation
चित्र वर्गीकरण में मॉडल चित्र की दृश्य विशेषताओं का विश्लेषण करके उसे किसी पूर्वनिर्धारित वर्ग, जैसे बिल्ली या कुत्ता, में रखता है। इसलिए विकल्प A सही है। विकल्प C गलत है, क्योंकि ध्वनि को चित्र में बदलना चित्र वर्गीकरण का कार्य नहीं है। परीक्षा टिप: वर्गीकरण का अर्थ किसी इनपुट को पहले से निर्धारित श्रेणी का लेबल देना है। / In image classification, the model analyzes visual features of an image and assigns it to a predefined category, such as cat or dog. Therefore, option A is correct. Option C is incorrect because converting sound into an image is not the task of image classification. Exam tip: Classification means assigning an input a label from predefined categories.
A. चित्र में वस्तुओं और उनके स्थान की पहचान करना/Identifying objects and their locations in an image
Explanation
Simple Explanation
वस्तु पहचान (Object Detection) कंप्यूटर विज़न की वह तकनीक है जो चित्र या वीडियो में मौजूद वस्तुओं को पहचानने के साथ-साथ उनके स्थान को भी निर्धारित करती है, सामान्यतः बाउंडिंग बॉक्स द्वारा। इसलिए विकल्प A सही है। केवल चित्र का रंग बदलना, जैसा कि विकल्प B में है, वस्तु पहचान का उद्देश्य नहीं है। परीक्षा में याद रखें: image classification केवल वस्तु का वर्ग बताता है, जबकि object detection वर्ग और स्थान दोनों बताता है। / Object detection is a computer vision technique that identifies objects in an image or video and determines their locations, usually using bounding boxes. Therefore, option A is correct. Changing an image’s colour, as stated in option B, is not the purpose of object detection. Exam tip: image classification identifies the class, whereas object detection identifies both the class and its location.
A. चित्र की सबसे छोटी इकाई/The smallest unit of an image
Explanation
Simple Explanation
पिक्सेल डिजिटल छवि की सबसे छोटी संग्रहीत या प्रदर्शित इकाई होता है। प्रत्येक पिक्सेल में रंग या चमक से संबंधित जानकारी होती है, और अनेक पिक्सेल मिलकर पूरी छवि बनाते हैं। इसलिए विकल्प A सही है; माउस का बटन और ध्वनि तरंग छवि के घटक नहीं हैं। परीक्षा-टिप: Pixel को picture element का संक्षिप्त रूप याद रखें। / A pixel is the smallest stored or displayed unit of a digital image. Each pixel contains information about colour or brightness, and many pixels together form the complete image. Therefore, option A is correct; a mouse button and a sound wave are not components of an image. Exam tip: Remember that pixel is short for “picture element.”
A. चित्रों को एक समान आकार में लाने के लिए/To bring images to a common size
Explanation
Simple Explanation
आकार बदलने से चित्र की चौड़ाई और ऊँचाई निर्धारित मान के अनुरूप हो जाती है। इससे कंप्यूटर विज़न मॉडल को सभी इनपुट एक समान आयामों में मिलते हैं और उनका संसाधन करना आसान होता है। इसका उद्देश्य चित्र की पूरी जानकारी मिटाना नहीं है; इसलिए विकल्प B गलत है। परीक्षा में याद रखें कि resizing, image preprocessing का सामान्य चरण है। / Resizing changes an image’s width and height to specified dimensions. This gives a computer vision model inputs with uniform dimensions, making processing and comparison easier. It does not aim to erase all image information, so option B is incorrect. Exam tip: resizing is a common image-preprocessing step before model input.
A. जब रंग की जगह चमक की जानकारी पर्याप्त हो/When brightness information is sufficient instead of color
Explanation
Simple Explanation
धूसर चित्र में प्रत्येक पिक्सेल को रंग के बजाय चमक या तीव्रता के स्तर से दर्शाया जाता है। इसलिए आकार, किनारे या पैटर्न पहचानने जैसे कार्यों में, जब रंग की जानकारी आवश्यक न हो, इसका उपयोग किया जा सकता है। अन्य विकल्प चित्र प्रसंस्करण में धूसर चित्र के उपयोग की स्थिति नहीं बताते। परीक्षा टिप: यदि किसी कार्य में केवल आकृति या चमक महत्वपूर्ण हो, तो रंगीन चित्र के स्थान पर धूसर चित्र पर्याप्त हो सकता है। / A grayscale image represents each pixel using brightness or intensity levels rather than color. It can therefore be used for tasks such as detecting shapes, edges, or patterns when color information is not required. The other options do not describe a use of grayscale images in computer vision. Exam tip: If only shape or brightness matters, a grayscale image may be sufficient instead of a color image.
A. वस्तु की सीमा और आकार समझना/To understand an object's boundary and shape
Explanation
Simple Explanation
किनारा पहचानने की प्रक्रिया चित्र में तीव्र चमक या रंग-परिवर्तन वाले स्थानों को खोजती है। ये स्थान प्रायः वस्तुओं की सीमाएँ दर्शाते हैं, इसलिए उनसे वस्तु का आकार और संरचना समझने में सहायता मिलती है। विकल्प B चित्र मिटाने, C ध्वनि उत्पन्न करने और D अनुवाद से संबंधित हैं, किनारा पहचानने से नहीं। परीक्षा टिप: Edge detection को वस्तु की सीमा पहचानने वाली प्रारंभिक computer vision तकनीक के रूप में याद रखें। / Edge detection finds locations in an image where there is a sharp change in intensity or colour. These locations often represent object boundaries, helping a computer understand an object's shape and structure. Options B, C and D describe image deletion, sound generation and translation, not edge detection. Exam tip: Remember edge detection as an early computer vision technique for identifying object boundaries.
A. गोपनीयता और गलत पहचान के जोखिम के कारण/Because of privacy and wrong identification risks
Explanation
Simple Explanation
चेहरा पहचान प्रणाली लोगों की पहचान से संबंधित संवेदनशील जैवमितीय डेटा का उपयोग करती है। बिना सहमति डेटा का उपयोग गोपनीयता का उल्लंघन कर सकता है और पक्षपाती या गलत प्रणाली किसी निर्दोष व्यक्ति पर अनुचित प्रभाव डाल सकती है। इसलिए ऐसी प्रणालियों में गोपनीयता, सहमति, निष्पक्षता और गलत पहचान के जोखिम पर ध्यान देना आवश्यक है। परीक्षा-टिप: जिस विकल्प में व्यक्तिगत अधिकारों और संभावित हानि से जुड़े जोखिम बताए गए हों, वही नैतिक सावधानी का सही कारण है। / A face recognition system uses sensitive biometric data connected to people’s identities. Using such data without consent can violate privacy, and a biased or inaccurate system may unfairly affect an innocent person. Therefore, privacy, consent, fairness, and the risk of misidentification must be considered. Exam tip: Choose the option that identifies risks to personal rights and possible harm as the reason for ethical care.
A. रोग संकेतों की पहचान में सहायता/Helping identify disease signs
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता चिकित्सा छवियों और रोगी के आँकड़ों का विश्लेषण करके रोग-संबंधी संकेतों की पहचान में सहायता कर सकती है। इसलिए विकल्प A सही है। विकल्प B भी स्वास्थ्य सेवा में AI का संभावित उपयोग हो सकता है, जैसे गोपनीय डेटा की निगरानी, इसलिए यह प्रश्न में एक निकटवर्ती लेकिन अस्पष्ट विकल्प बनता है; अधिक स्पष्ट एकल उत्तर के लिए इसे सामान्य सहायक कार्य के रूप में रखा गया है। विकल्प C और D गलत हैं, क्योंकि AI बिना चिकित्सकीय जाँच के निश्चित निदान या बिना अनुमति दवा में बदलाव नहीं कर सकती। परीक्षा-युक्ति: AI को निर्णय-सहायक तकनीक समझें, डॉक्टर का पूर्ण विकल्प नहीं। / AI can analyze medical images and patient data to help identify disease-related signs, so option A is correct. Option B can also be a possible healthcare application—for example, monitoring sensitive data—making it a close but potentially ambiguous distractor; it has been retained as a general supportive function to test the primary concept. Options C and D are incorrect because AI should not provide a definite diagnosis without medical examination or change medicines without authorization. Exam tip: Treat AI as a decision-support tool, not a complete replacement for a doctor.
A. फसल रोग पहचान और सिंचाई सलाह में/In crop disease detection and irrigation advice
Explanation
Simple Explanation
कृत्रिम बुद्धिमत्ता फसलों की तस्वीरों और मौसम या मिट्टी के आँकड़ों का विश्लेषण करके रोगों की पहचान तथा फसल की पानी की आवश्यकता का अनुमान लगाने में सहायता कर सकती है। इसलिए विकल्प A सही है। विकल्प B, C और D कृषि में AI के उपयोगी या वांछित अनुप्रयोग नहीं हैं। परीक्षा में याद रखें: कृषि में AI का प्रमुख उपयोग निगरानी, पूर्वानुमान और संसाधनों के बेहतर प्रबंधन में होता है। / Artificial intelligence can analyse crop images and weather or soil data to help detect diseases and estimate a crop’s water requirement. Therefore, option A is correct. Options B, C and D are neither useful nor intended applications of AI in agriculture. Exam tip: remember that AI in agriculture is mainly used for monitoring, prediction, and efficient resource management.
