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