A) O campo de estudo que permite aos computadores interpretar e compreender a informação visual do mundo real. B) O processo de filtragem e melhoramento de imagens visuais. C) A utilização de ecrãs de computador para apresentar imagens. D) O estudo do funcionamento da visão humana.
A) Melhorar a qualidade da imagem e reduzir o ruído para uma melhor análise. B) Alterar as dimensões da imagem. C) Distorção aleatória de imagens. D) Desfocagem de imagens para efeitos artísticos.
A) Remoção de cores de uma imagem. B) Combinação de várias imagens numa só. C) Dividir uma imagem em regiões ou objectos significativos para análise. D) Criar uma imagem em espelho do original.
A) R-quadrado B) Exatidão C) Pontuação F1 D) Erro médio quadrático
A) Utilização de lotes mais pequenos B) Adicionar mais camadas à rede C) Regularização de desistências D) Aumentar a taxa de aprendizagem
A) Transferência de gradientes durante a retropropagação. B) Transferência de pixéis de imagem para uma nova imagem. C) Transferência de imagens entre diferentes dispositivos. D) Utilização de modelos pré-treinados e ajuste fino para uma tarefa específica.
A) Normalização dos valores de entrada. B) Aumentar o número de parâmetros. C) Introduzir a não linearidade na rede. D) Reduzir as dimensões espaciais da entrada.
A) ReLU (Unidade Linear Rectificada) B) Sigmoide C) Tanh D) Linear
A) Criar imagens compostas. B) Conversão de imagens para tons de cinzento. C) Desfocagem de imagens para proteção da privacidade. D) Resumir o desempenho de um modelo de classificação utilizando valores de verdadeiro positivo, falso positivo, verdadeiro negativo e falso negativo.
A) Conjunto de dados de spam B) ImageNet C) Conjunto de dados meteorológicos D) Conjunto de dados de letras de canções
A) Conversão de imagens para preto e branco. B) Aplicar filtros de cor a imagens. C) Identificar e delinear objectos individuais numa cena. D) Suavização das intensidades dos píxeis.
A) Método de Lucas-Kanade B) Transformada de Fourier C) Desfocagem gaussiana D) Equalização de histograma
A) Normalização de histogramas de imagens. B) Deteção de arestas de objectos. C) Mapeamento de uma imagem para outro plano de imagem. D) Desfocagem dos limites da imagem.
A) Adicionar ruído às imagens B) Aumentar a resolução da imagem C) Denotização de meios não locais D) Rotação de imagens
A) Deteção de objectos B) Segmentação de imagens C) Classificação de imagens D) Extração de caraterísticas
A) Rede Neural Convolucional B) Rede complexa de neurónios C) Rede Neuronal Computorizada D) Rede Neural Controlada
A) Camada totalmente conectada B) Camada convolucional C) Camada de ativação D) Camada de pooling
A) Perda de entropia cruzada binária B) Erro médio quadrático C) Perda de entropia cruzada D) Perda L1
A) AlexNet B) VGGNet C) ResNet (Rede residual) D) InceptionNet
A) Análise de componentes principais (PCA) B) Máquinas de vectores de suporte (SVM) C) Redes Neuronais Convolucionais (CNNs) D) K-Nearest Neighbors (KNN)
A) Transformação de caraterísticas invariantes de escala B) Segmentação de caraterísticas e texturas de imagens C) Rastreio facial semi-integrado D) Técnica de filtragem selectiva de imagens
A) Tanh B) Sigmoide C) ReLU D) Softmax
A) Recorte de imagens B) Injeção de ruído C) Aprendizagem por transferência D) Redução de dimensionalidade PCA |