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