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