Visió per computador i reconeixement d'imatges - Prova
A) L'estudi de com funciona la visió humana. B) L'ús de pantalles d'ordinador per mostrar imatges. C) El procés de filtrar i millorar imatges visuals. D) El camp d'estudi que permet als ordinadors interpretar i comprendre informació visual del món real.
A) Aplicar un efecte de desenfocament a les imatges per a efectes artístics. B) Modificar les dimensions de la imatge. C) Millorar la qualitat de la imatge i reduir el soroll per a una anàlisi més precisa. D) Distorsionar les imatges de manera aleatòria.
A) Combinar múltiples imatges en una sola. B) Crear una imatge especular de l'original. C) Eliminar els colors d'una imatge. D) Dividir una imatge en regions o objectes significatius per a l'anàlisi.
A) Error quadrat mitjà B) R-quadrat C) Puntuació F1 D) Precisió
A) Afegir més capes a la xarxa B) Regularització Dropout C) Utilitzar mides de lot més petites D) Augmentar la taxa d'aprenentatge
A) Transferir gradients durant la retropropagació. B) Utilitzar models preentrenats i ajustar-los per a una tasca específica. C) Transferir píxels d'imatge a una imatge nova. D) Transferir imatges entre dispositius diferents.
A) Normalitzar els valors de la entrada. B) Reduir les dimensions espacials de la entrada. C) Introduir no linealitat a la xarxa. D) Augmentar el nombre de paràmetres.
A) Tanh B) ReLU (Unitat lineal rectificada) C) Sigmoide D) Lineal
A) Resumir el rendiment d'un model de classificació utilitzant els valors de positius veritables, positius falsos, negatius veritables i negatius falsos. B) Convertir imatges a escala de grisos. C) Crear imatges compostes. D) Aplicar desenfocament a les imatges per a la protecció de la privacitat.
A) Seguiment facial semi-integrat B) Segmentació de característiques i textures d'imatges C) Tècnica de filtratge d'imatges selectiva D) Transformada de característiques invariant a l'escala
A) Conjunt de dades de correu no sol·licitat (spam) B) ImageNet C) Conjunt de dades de lletres de cançons D) Conjunt de dades meteorològiques
A) Xarxa neuronal convolucional B) Xarxa neuronal complexa C) Xarxa neuronal controlada D) Xarxa neuronal computacional
A) Tanh B) ReLU C) Softmax D) Sigmoid
A) Classificació d'imatges B) Detecció d'objectes C) Segmentació d'imatges D) Extracció de característiques
A) Capa de pooling (agrupació) B) Capa convolucional C) Capa totalment connectada D) Capa d'activació
A) Error quadrat mitjà B) Pèrdua L1 C) Pèrdua d'entropia creuada D) Pèrdua de entropia creuada binària
A) Suavitzar les intensitats dels píxels. B) Identificar i delimitar objectes individuals dins d'una escena. C) Convertir les imatges a blanc i negre. D) Aplicar filtres de color a les imatges.
A) Afegir soroll a les imatges B) Augmentar la resolució de les imatges C) Reducció de soroll mitjançant mètodes no locals D) Rotar les imatges
A) Anàlisi de components principals (PCA) B) Vecins més propers (KNN) C) Xarxes neuronals convolucionals (CNN) D) Màquines de vectors de suport (SVM)
A) Normalitzar els histogrames de la imatge. B) Detectar els contorns dels objectes. C) Mapejar una imatge a un altre pla d'imatge. D) Suavitzar els límits de la imatge.
A) ResNet (Xarxa Residual) B) AlexNet C) VGGNet D) InceptionNet
A) Injecció de soroll B) Reducció de la dimensionalitat per PCA C) Retall de la imatge D) Aprenentatge per transferència
A) Transformada de Fourier B) Mètode de Lucas-Kanade C) Ecualització d'histograma D) Desenvolupament gaussí |
Prova creada amb That Quiz —
el lloc on es poden crear i avaluar proves matemàtiques i d'altres matèries.