ThatQuiz
|
Directorio
|
Inténtalo
Visión por ordenador y reconocimiento de imágenes
  • 1. La visión por ordenador es un campo interdisciplinar que permite a los ordenadores interpretar y comprender el mundo visual a partir de imágenes digitales o vídeos. Implica el desarrollo de algoritmos y técnicas para extraer información significativa de los datos visuales, imitando las capacidades del sistema visual humano. El reconocimiento de imágenes, un subconjunto de la visión por ordenador, se centra en la identificación y categorización de objetos, escenas o patrones en imágenes o vídeos. Mediante el uso del aprendizaje profundo, las redes neuronales y el aprendizaje automático, la visión por ordenador y el reconocimiento de imágenes tienen aplicaciones en diversos ámbitos, como la asistencia sanitaria, los vehículos autónomos, la vigilancia y la realidad aumentada, entre otros.

    ¿Qué es la visión por ordenador?
A) Campo de estudio que permite a los ordenadores interpretar y comprender la información visual del mundo real.
B) El uso de pantallas de ordenador para mostrar imágenes.
C) Estudio del funcionamiento de la visión humana.
D) Proceso de filtrado y mejora de imágenes visuales.
  • 2. ¿Para qué sirve el preprocesamiento de imágenes en visión por ordenador?
A) Distorsión aleatoria de imágenes.
B) Cambiar las dimensiones de la imagen.
C) Desenfoque de imágenes para conseguir un efecto artístico.
D) Mejora de la calidad de imagen y reducción del ruido para un mejor análisis.
  • 3. ¿Qué se entiende por "segmentación de imágenes"?
A) Dividir una imagen en regiones u objetos significativos para su análisis.
B) Eliminar colores de una imagen.
C) Crear una imagen especular del original.
D) Combinar varias imágenes en una.
  • 4. ¿Qué métrica de evaluación se utiliza habitualmente en las tareas de clasificación de imágenes?
A) Puntuación F1
B) Error cuadrático medio
C) R-cuadrado
D) Precisión
  • 5. ¿Qué técnica se puede utilizar para reducir el sobreajuste en los modelos de aprendizaje profundo para el reconocimiento de imágenes?
A) Aumentar el ritmo de aprendizaje
B) Regularización de abandonos
C) Añadir más capas a la red
D) Utilización de lotes más pequeños
  • 6. ¿Qué se entiende por "aprendizaje de transferencia" en el contexto del aprendizaje profundo para el reconocimiento de imágenes?
A) Transferencia de píxeles de imagen a una nueva imagen.
B) Utilización de modelos preentrenados y ajuste fino para una tarea específica.
C) Transferencia de imágenes entre distintos dispositivos.
D) Transferencia de gradientes durante la retropropagación.
  • 7. ¿Para qué sirve una "capa de agrupamiento" en una red neuronal convolucional?
A) Aumento del número de parámetros.
B) Reducir las dimensiones espaciales de la entrada.
C) Normalización de los valores de entrada.
D) Introducir la no linealidad en la red.
  • 8. ¿Qué función de activación se utiliza habitualmente en las redes neuronales convolucionales?
A) Sigmoide
B) Tanh
C) ReLU (Unidad lineal rectificada)
D) Lineal
  • 9. ¿Para qué sirve una "matriz de confusión" en la evaluación de modelos de clasificación de imágenes?
A) Desenfoque de imágenes para proteger la intimidad.
B) Conversión de imágenes a escala de grises.
C) Resumir el rendimiento de un modelo de clasificación utilizando los valores de verdadero positivo, falso positivo, verdadero negativo y falso negativo.
D) Creación de imágenes compuestas.
  • 10. ¿Cuál es un ejemplo de conjunto de datos popular utilizado habitualmente para tareas de reconocimiento de imágenes?
A) ImageNet
B) Conjunto de datos de letras de canciones
C) Conjunto de datos sobre spam
D) Conjunto de datos meteorológicos
  • 11. ¿Qué modelo CNN preentrenado se utiliza habitualmente para diversas tareas de reconocimiento de imágenes?
A) VGGNet
B) InceptionNet
C) ResNet (red residual)
D) AlexNet
  • 12. ¿Qué es la "segmentación de instancias" en el contexto de la detección de objetos?
A) Conversión de imágenes a blanco y negro.
B) Identificación y delimitación de objetos individuales dentro de una escena.
C) Aplicación de filtros de color a las imágenes.
D) Suavizado de las intensidades de los píxeles.
  • 13. ¿Qué significa CNN?
A) Red neuronal convolucional
B) Red neuronal compleja
C) Red neuronal controlada
D) Red neuronal informatizada
  • 14. ¿Qué técnica puede utilizarse para ajustar un modelo CNN preentrenado a una nueva tarea?
A) PCA Reducción de la dimensionalidad
B) Aprendizaje por transferencia
C) Inyección de ruido
D) Recorte de imágenes
  • 15. ¿Qué método puede utilizarse para calcular el flujo óptico en el tratamiento de vídeo?
A) Ecualización del histograma
B) Transformada de Fourier
C) Desenfoque gaussiano
D) Método Lucas-Kanade
  • 16. ¿Qué función de activación se utiliza habitualmente en la capa de salida de una CNN para la clasificación multiclase?
A) Sigmoide
B) Softmax
C) ReLU
D) Tanh
  • 17. ¿Qué capa de una CNN se encarga de reducir las dimensiones espaciales?
A) Capa totalmente conectada
B) Capa de activación
C) Capa de agrupamiento
D) Capa convolucional
  • 18. ¿Qué significa el término "SIFT" en el contexto del reconocimiento de imágenes?
A) Segmentación de características y texturas de imágenes
B) Seguimiento facial semiintegrado
C) Técnica de filtrado selectivo de imágenes
D) Transformación de características invariantes de escala
  • 19. ¿Qué técnica se utiliza habitualmente para extraer características de las imágenes?
A) Redes neuronales convolucionales (CNN)
B) Análisis de componentes principales (ACP)
C) Vecinos más próximos (KNN)
D) Máquinas de vectores soporte (SVM)
  • 20. ¿Para qué sirve la homografía en la visión por ordenador?
A) Normalización de histogramas de imágenes.
B) Desenfoque de los límites de la imagen.
C) Mapeo de una imagen en otro plano de imagen.
D) Detección de bordes de objetos.
  • 21. ¿Qué técnica se utiliza para identificar y localizar objetos dentro de una imagen?
A) Detección de objetos
B) Segmentación de imágenes
C) Clasificación de imágenes
D) Extracción de características
  • 22. ¿Qué función de pérdida se utiliza habitualmente en tareas de clasificación de imágenes?
A) Pérdida L1
B) Error cuadrático medio
C) Pérdida de entropía cruzada
D) Pérdida de entropía cruzada binaria
  • 23. ¿Qué técnica se utiliza para la eliminación de ruido de imágenes en visión por ordenador?
A) Aumento de la resolución de imagen
B) Rotación de imágenes
C) Eliminación de ruido de medios no locales
D) Añadir ruido a las imágenes
Examen creado con That Quiz — el sitio de matemáticas.