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