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