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) Proceso de filtrado y mejora de imágenes visuales. D) Estudio del funcionamiento de la visión humana.
A) Cambiar las dimensiones de la imagen. B) Desenfoque de imágenes para conseguir un efecto artístico. C) Distorsión aleatoria de imágenes. D) Mejora de la calidad de imagen y reducción del ruido para un mejor análisis.
A) Crear una imagen especular del original. B) Combinar varias imágenes en una. C) Dividir una imagen en regiones u objetos significativos para su análisis. D) Eliminar colores de una imagen.
A) Puntuación F1 B) R-cuadrado C) Precisión D) Error cuadrático medio
A) Regularización de abandonos B) Utilización de lotes más pequeños C) Añadir más capas a la red D) Aumentar el ritmo de aprendizaje
A) Utilización de modelos preentrenados y ajuste fino para una tarea específica. B) Transferencia de píxeles de imagen a una nueva imagen. C) Transferencia de imágenes entre distintos dispositivos. D) Transferencia de gradientes durante la retropropagación.
A) Introducir la no linealidad en la red. B) Aumento del número de parámetros. C) Normalización de los valores de entrada. D) Reducir las dimensiones espaciales de la entrada.
A) Sigmoide B) Tanh C) Lineal D) ReLU (Unidad lineal rectificada)
A) Desenfoque de imágenes para proteger la intimidad. B) Resumir el rendimiento de un modelo de clasificación utilizando los valores de verdadero positivo, falso positivo, verdadero negativo y falso negativo. C) Creación de imágenes compuestas. D) Conversión de imágenes a escala de grises.
A) Capa totalmente conectada B) Capa convolucional C) Capa de activación D) Capa de agrupamiento
A) Identificación y delimitación de objetos individuales dentro de una escena. B) Aplicación de filtros de color a las imágenes. C) Suavizado de las intensidades de los píxeles. D) Conversión de imágenes a blanco y negro.
A) Detección de bordes de objetos. B) Normalización de histogramas de imágenes. C) Desenfoque de los límites de la imagen. D) Mapeo de una imagen en otro plano de imagen.
A) Segmentación de imágenes B) Extracción de características C) Clasificación de imágenes D) Detección de objetos
A) Análisis de componentes principales (ACP) B) Máquinas de vectores soporte (SVM) C) Redes neuronales convolucionales (CNN) D) Vecinos más próximos (KNN)
A) InceptionNet B) AlexNet C) ResNet (red residual) D) VGGNet
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
A) Error cuadrático medio B) Pérdida de entropía cruzada C) Pérdida de entropía cruzada binaria D) Pérdida L1
A) Conjunto de datos meteorológicos B) ImageNet C) Conjunto de datos de letras de canciones D) Conjunto de datos sobre spam
A) PCA Reducción de la dimensionalidad B) Inyección de ruido C) Aprendizaje por transferencia D) Recorte de imágenes
A) Eliminación de ruido de medios no locales B) Añadir ruido a las imágenes C) Rotación de imágenes D) Aumento de la resolución de imagen
A) Red neuronal convolucional B) Red neuronal informatizada C) Red neuronal controlada D) Red neuronal compleja
A) Método Lucas-Kanade B) Ecualización del histograma C) Desenfoque gaussiano D) Transformada de Fourier
A) Softmax B) ReLU C) Tanh D) Sigmoide |