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