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