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