Visió per computador i reconeixement d'imatges - Qüestionari
A) El camp d'estudi que permet als ordinadors interpretar i comprendre informació visual del món real. B) L'estudi de com funciona la visió humana. C) L'ús de pantalles d'ordinador per mostrar imatges. D) El procés de filtrar i millorar imatges visuals.
A) Modificar les dimensions de la imatge. B) Millorar la qualitat de la imatge i reduir el soroll per a una anàlisi més precisa. C) Distorsionar les imatges de manera aleatòria. D) Aplicar un efecte de desenfocament a les imatges per a efectes artístics.
A) Combinar múltiples imatges en una sola. B) Eliminar els colors d'una imatge. C) Crear una imatge especular de l'original. D) Dividir una imatge en regions o objectes significatius per a l'anàlisi.
A) R-quadrat B) Puntuació F1 C) Precisió D) Error quadrat mitjà
A) Regularització Dropout B) Augmentar la taxa d'aprenentatge C) Utilitzar mides de lot més petites D) Afegir més capes a la xarxa
A) Utilitzar models preentrenats i ajustar-los per a una tasca específica. B) Transferir imatges entre dispositius diferents. C) Transferir píxels d'imatge a una imatge nova. D) Transferir gradients durant la retropropagació.
A) Reduir les dimensions espacials de la entrada. B) Augmentar el nombre de paràmetres. C) Introduir no linealitat a la xarxa. D) Normalitzar els valors de la entrada.
A) Sigmoide B) Lineal C) Tanh D) ReLU (Unitat lineal rectificada)
A) Convertir imatges a escala de grisos. B) Resumir el rendiment d'un model de classificació utilitzant els valors de positius veritables, positius falsos, negatius veritables i negatius falsos. C) Aplicar desenfocament a les imatges per a la protecció de la privacitat. D) Crear imatges compostes.
A) Tècnica de filtratge d'imatges selectiva B) Seguiment facial semi-integrat C) Segmentació de característiques i textures d'imatges D) Transformada de característiques invariant a l'escala
A) Conjunt de dades meteorològiques B) ImageNet C) Conjunt de dades de lletres de cançons D) Conjunt de dades de correu no sol·licitat (spam)
A) Xarxa neuronal computacional B) Xarxa neuronal convolucional C) Xarxa neuronal complexa D) Xarxa neuronal controlada
A) Softmax B) Sigmoid C) ReLU D) Tanh
A) Segmentació d'imatges B) Classificació d'imatges C) Extracció de característiques D) Detecció d'objectes
A) Capa totalment connectada B) Capa d'activació C) Capa convolucional D) Capa de pooling (agrupació)
A) Pèrdua L1 B) Pèrdua de entropia creuada binària C) Pèrdua d'entropia creuada D) Error quadrat mitjà
A) Convertir les imatges a blanc i negre. B) Identificar i delimitar objectes individuals dins d'una escena. C) Suavitzar les intensitats dels píxels. D) Aplicar filtres de color a les imatges.
A) Augmentar la resolució de les imatges B) Rotar les imatges C) Reducció de soroll mitjançant mètodes no locals D) Afegir soroll a les imatges
A) Xarxes neuronals convolucionals (CNN) B) Vecins més propers (KNN) C) Anàlisi de components principals (PCA) D) Màquines de vectors de suport (SVM)
A) Normalitzar els histogrames de la imatge. B) Detectar els contorns dels objectes. C) Suavitzar els límits de la imatge. D) Mapejar una imatge a un altre pla d'imatge.
A) VGGNet B) ResNet (Xarxa Residual) C) InceptionNet D) AlexNet
A) Injecció de soroll B) Reducció de la dimensionalitat per PCA C) Retall de la imatge D) Aprenentatge per transferència
A) Desenvolupament gaussí B) Mètode de Lucas-Kanade C) Ecualització d'histograma D) Transformada de Fourier |
Prova creada amb That Quiz —
el lloc on es poden crear i avaluar proves matemàtiques i d'altres matèries.