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