Visão computacional e reconhecimento de imagens
  • 1. A visão por computador é um domínio interdisciplinar que permite aos computadores interpretar e compreender o mundo visual a partir de imagens ou vídeos digitais. Envolve o desenvolvimento de algoritmos e técnicas para extrair informações significativas de dados visuais, imitando as capacidades do sistema visual humano. O reconhecimento de imagens, um subconjunto da visão computacional, centra-se na identificação e categorização de objectos, cenas ou padrões em imagens ou vídeos. Através da utilização de aprendizagem profunda, redes neuronais e aprendizagem automática, a visão computacional e o reconhecimento de imagens têm aplicações em vários domínios, incluindo cuidados de saúde, veículos autónomos, vigilância, realidade aumentada e muito mais.

    O que é a visão computacional?
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.
  • 2. Qual é o objetivo do pré-processamento de imagens na Visão por Computador?
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.
  • 3. O que se entende por "segmentação de imagens"?
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.
  • 4. Que métrica de avaliação é normalmente utilizada para tarefas de classificação de imagens?
A) Pontuação F1
B) Erro médio quadrático
C) Exatidão
D) R-quadrado
  • 5. Que técnica pode ser utilizada para reduzir o sobreajuste em modelos de aprendizagem profunda para reconhecimento de imagens?
A) Adicionar mais camadas à rede
B) Aumentar a taxa de aprendizagem
C) Utilização de lotes mais pequenos
D) Regularização de desistências
  • 6. O que se entende por "aprendizagem por transferência" no contexto da aprendizagem profunda para o reconhecimento de imagens?
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.
  • 7. Qual é o objetivo de uma "camada de agrupamento" numa rede neural convolucional?
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.
  • 8. Que função de ativação é normalmente utilizada nas redes neuronais convolucionais?
A) Tanh
B) Linear
C) Sigmoide
D) ReLU (Unidade Linear Rectificada)
  • 9. Para que é utilizada uma "matriz de confusão" na avaliação de modelos de classificação de imagens?
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.
  • 10. Que técnica pode ser utilizada para afinar um modelo CNN pré-treinado para uma nova tarefa?
A) Recorte de imagens
B) Aprendizagem por transferência
C) Redução de dimensionalidade PCA
D) Injeção de ruído
  • 11. Qual é um exemplo de um conjunto de dados popular normalmente utilizado para tarefas de reconhecimento de imagens?
A) Conjunto de dados meteorológicos
B) Conjunto de dados de letras de canções
C) Conjunto de dados de spam
D) ImageNet
  • 12. Que camada de uma CNN é responsável pela redução das dimensões espaciais?
A) Camada convolucional
B) Camada de pooling
C) Camada totalmente conectada
D) Camada de ativação
  • 13. Que técnica é normalmente utilizada para a extração de caraterísticas de imagens?
A) Redes Neuronais Convolucionais (CNNs)
B) Análise de componentes principais (PCA)
C) Máquinas de vectores de suporte (SVM)
D) K-Nearest Neighbors (KNN)
  • 14. Que técnica é utilizada para a redução de ruído da imagem na visão por computador?
A) Adicionar ruído às imagens
B) Rotação de imagens
C) Aumentar a resolução da imagem
D) Denotização de meios não locais
  • 15. Que método pode ser utilizado para calcular o fluxo ótico no processamento de vídeo?
A) Desfocagem gaussiana
B) Método de Lucas-Kanade
C) Equalização de histograma
D) Transformada de Fourier
  • 16. O que é a "segmentação de instâncias" no contexto da deteção de objectos?
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.
  • 17. Qual é o objetivo da homografia na Visão por Computador?
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.
  • 18. O que é que o termo "SIFT" significa no contexto do reconhecimento de imagens?
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
  • 19. Que função de ativação é normalmente utilizada na camada de saída de uma CNN para classificação multi-classe?
A) ReLU
B) Tanh
C) Softmax
D) Sigmoide
  • 20. Que modelo CNN pré-treinado é normalmente utilizado para várias tarefas de reconhecimento de imagens?
A) AlexNet
B) VGGNet
C) InceptionNet
D) ResNet (Rede residual)
  • 21. O que é que significa CNN?
A) Rede Neuronal Computorizada
B) Rede complexa de neurónios
C) Rede Neural Convolucional
D) Rede Neural Controlada
  • 22. Que função de perda é normalmente utilizada em tarefas de classificação de imagens?
A) Perda de entropia cruzada binária
B) Erro médio quadrático
C) Perda L1
D) Perda de entropia cruzada
  • 23. Que técnica é utilizada para identificar e localizar objectos numa imagem?
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.