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