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