ThatQuiz
|
Directorio
|
Inténtalo
Visión por ordenador y reconocimiento de imágenes - Examen
  • 1. La visión por ordenador es un campo interdisciplinar que permite a los ordenadores interpretar y comprender el mundo visual a partir de imágenes digitales o vídeos. Implica el desarrollo de algoritmos y técnicas para extraer información significativa de los datos visuales, imitando las capacidades del sistema visual humano. El reconocimiento de imágenes, un subconjunto de la visión por ordenador, se centra en la identificación y categorización de objetos, escenas o patrones en imágenes o vídeos. Mediante el uso del aprendizaje profundo, las redes neuronales y el aprendizaje automático, la visión por ordenador y el reconocimiento de imágenes tienen aplicaciones en diversos ámbitos, como la asistencia sanitaria, los vehículos autónomos, la vigilancia y la realidad aumentada, entre otros.

    ¿Qué es la visión por ordenador?
A) Campo de estudio que permite a los ordenadores interpretar y comprender la información visual del mundo real.
B) El uso de pantallas de ordenador para mostrar imágenes.
C) Estudio del funcionamiento de la visión humana.
D) Proceso de filtrado y mejora de imágenes visuales.
  • 2. ¿Para qué sirve el preprocesamiento de imágenes en visión por ordenador?
A) Distorsión aleatoria de imágenes.
B) Desenfoque de imágenes para conseguir un efecto artístico.
C) Cambiar las dimensiones de la imagen.
D) Mejora de la calidad de imagen y reducción del ruido para un mejor análisis.
  • 3. ¿Qué se entiende por "segmentación de imágenes"?
A) Eliminar colores de una imagen.
B) Crear una imagen especular del original.
C) Dividir una imagen en regiones u objetos significativos para su análisis.
D) Combinar varias imágenes en una.
  • 4. ¿Qué métrica de evaluación se utiliza habitualmente en las tareas de clasificación de imágenes?
A) Puntuación F1
B) Precisión
C) Error cuadrático medio
D) R-cuadrado
  • 5. ¿Qué técnica se puede utilizar para reducir el sobreajuste en los modelos de aprendizaje profundo para el reconocimiento de imágenes?
A) Utilización de lotes más pequeños
B) Aumentar el ritmo de aprendizaje
C) Regularización de abandonos
D) Añadir más capas a la red
  • 6. ¿Qué se entiende por "aprendizaje de transferencia" en el contexto del aprendizaje profundo para el reconocimiento de imágenes?
A) Transferencia de píxeles de imagen a una nueva imagen.
B) Transferencia de imágenes entre distintos dispositivos.
C) Utilización de modelos preentrenados y ajuste fino para una tarea específica.
D) Transferencia de gradientes durante la retropropagación.
  • 7. ¿Para qué sirve una "capa de agrupamiento" en una red neuronal convolucional?
A) Introducir la no linealidad en la red.
B) Aumento del número de parámetros.
C) Reducir las dimensiones espaciales de la entrada.
D) Normalización de los valores de entrada.
  • 8. ¿Qué función de activación se utiliza habitualmente en las redes neuronales convolucionales?
A) Tanh
B) ReLU (Unidad lineal rectificada)
C) Sigmoide
D) Lineal
  • 9. ¿Para qué sirve una "matriz de confusión" en la evaluación de modelos de clasificación de imágenes?
A) Resumir el rendimiento de un modelo de clasificación utilizando los valores de verdadero positivo, falso positivo, verdadero negativo y falso negativo.
B) Creación de imágenes compuestas.
C) Desenfoque de imágenes para proteger la intimidad.
D) Conversión de imágenes a escala de grises.
  • 10. ¿Qué capa de una CNN se encarga de reducir las dimensiones espaciales?
A) Capa de activación
B) Capa de agrupamiento
C) Capa totalmente conectada
D) Capa convolucional
  • 11. ¿Qué es la "segmentación de instancias" en el contexto de la detección de objetos?
A) Suavizado de las intensidades de los píxeles.
B) Conversión de imágenes a blanco y negro.
C) Aplicación de filtros de color a las imágenes.
D) Identificación y delimitación de objetos individuales dentro de una escena.
  • 12. ¿Para qué sirve la homografía en la visión por ordenador?
A) Mapeo de una imagen en otro plano de imagen.
B) Normalización de histogramas de imágenes.
C) Detección de bordes de objetos.
D) Desenfoque de los límites de la imagen.
  • 13. ¿Qué técnica se utiliza para identificar y localizar objetos dentro de una imagen?
A) Detección de objetos
B) Extracción de características
C) Segmentación de imágenes
D) Clasificación de imágenes
  • 14. ¿Qué técnica se utiliza habitualmente para extraer características de las imágenes?
A) Máquinas de vectores soporte (SVM)
B) Análisis de componentes principales (ACP)
C) Vecinos más próximos (KNN)
D) Redes neuronales convolucionales (CNN)
  • 15. ¿Qué modelo CNN preentrenado se utiliza habitualmente para diversas tareas de reconocimiento de imágenes?
A) InceptionNet
B) AlexNet
C) ResNet (red residual)
D) VGGNet
  • 16. ¿Qué significa el término "SIFT" en el contexto del reconocimiento de imágenes?
A) Técnica de filtrado selectivo de imágenes
B) Seguimiento facial semiintegrado
C) Transformación de características invariantes de escala
D) Segmentación de características y texturas de imágenes
  • 17. ¿Qué función de pérdida se utiliza habitualmente en tareas de clasificación de imágenes?
A) Error cuadrático medio
B) Pérdida L1
C) Pérdida de entropía cruzada
D) Pérdida de entropía cruzada binaria
  • 18. ¿Cuál es un ejemplo de conjunto de datos popular utilizado habitualmente para tareas de reconocimiento de imágenes?
A) Conjunto de datos meteorológicos
B) Conjunto de datos sobre spam
C) Conjunto de datos de letras de canciones
D) ImageNet
  • 19. ¿Qué técnica puede utilizarse para ajustar un modelo CNN preentrenado a una nueva tarea?
A) Aprendizaje por transferencia
B) Recorte de imágenes
C) Inyección de ruido
D) PCA Reducción de la dimensionalidad
  • 20. ¿Qué técnica se utiliza para la eliminación de ruido de imágenes en visión por ordenador?
A) Rotación de imágenes
B) Aumento de la resolución de imagen
C) Añadir ruido a las imágenes
D) Eliminación de ruido de medios no locales
  • 21. ¿Qué significa CNN?
A) Red neuronal informatizada
B) Red neuronal compleja
C) Red neuronal convolucional
D) Red neuronal controlada
  • 22. ¿Qué método puede utilizarse para calcular el flujo óptico en el tratamiento de vídeo?
A) Ecualización del histograma
B) Método Lucas-Kanade
C) Desenfoque gaussiano
D) Transformada de Fourier
  • 23. ¿Qué función de activación se utiliza habitualmente en la capa de salida de una CNN para la clasificación multiclase?
A) ReLU
B) Softmax
C) Sigmoide
D) Tanh
Examen creado con That Quiz — el sitio de matemáticas.