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