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