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