A) Estudio del funcionamiento de la visión humana. B) Campo de estudio que permite a los ordenadores interpretar y comprender la información visual del mundo real. C) El uso de pantallas de ordenador para mostrar imágenes. D) Proceso de filtrado y mejora de imágenes visuales.
A) Distorsión aleatoria de imágenes. B) Mejora de la calidad de imagen y reducción del ruido para un mejor análisis. C) Desenfoque de imágenes para conseguir un efecto artístico. D) Cambiar las dimensiones de la imagen.
A) Dividir una imagen en regiones u objetos significativos para su análisis. B) Eliminar colores de una imagen. C) Crear una imagen especular del original. D) Combinar varias imágenes en una.
A) R-cuadrado B) Puntuación F1 C) Error cuadrático medio D) Precisión
A) Aumentar el ritmo de aprendizaje B) Añadir más capas a la red C) Utilización de lotes más pequeños D) Regularización de abandonos
A) Transferencia de píxeles de imagen a una nueva imagen. B) Transferencia de imágenes entre distintos dispositivos. C) Transferencia de gradientes durante la retropropagación. D) Utilización de modelos preentrenados y ajuste fino para una tarea específica.
A) Reducir las dimensiones espaciales de la entrada. B) Normalización de los valores de entrada. C) Aumento del número de parámetros. D) Introducir la no linealidad en la red.
A) ReLU (Unidad lineal rectificada) B) Tanh C) Sigmoide D) Lineal
A) Desenfoque de imágenes para proteger la intimidad. B) Creación de imágenes compuestas. C) Conversión de imágenes a escala de grises. D) Resumir el rendimiento de un modelo de clasificación utilizando los valores de verdadero positivo, falso positivo, verdadero negativo y falso negativo.
A) Capa de agrupamiento B) Capa convolucional C) Capa de activación D) Capa totalmente conectada
A) Aplicación de filtros de color a las imágenes. B) Conversión de imágenes a blanco y negro. C) Identificación y delimitación de objetos individuales dentro de una escena. D) Suavizado de las intensidades de los píxeles.
A) Mapeo de una imagen en otro plano de imagen. B) Desenfoque de los límites de la imagen. C) Normalización de histogramas de imágenes. D) Detección de bordes de objetos.
A) Segmentación de imágenes B) Clasificación de imágenes C) Detección de objetos D) Extracción de características
A) Máquinas de vectores soporte (SVM) B) Análisis de componentes principales (ACP) C) Redes neuronales convolucionales (CNN) D) Vecinos más próximos (KNN)
A) InceptionNet B) VGGNet C) AlexNet D) ResNet (red residual)
A) Segmentación de características y texturas de imágenes B) Seguimiento facial semiintegrado C) Transformación de características invariantes de escala D) Técnica de filtrado selectivo de imágenes
A) Pérdida L1 B) Pérdida de entropía cruzada binaria C) Error cuadrático medio D) Pérdida de entropía cruzada
A) Conjunto de datos sobre spam B) ImageNet C) Conjunto de datos de letras de canciones D) Conjunto de datos meteorológicos
A) Recorte de imágenes B) PCA Reducción de la dimensionalidad C) Aprendizaje por transferencia D) Inyección de ruido
A) Eliminación de ruido de medios no locales B) Añadir ruido a las imágenes C) Rotación de imágenes D) Aumento de la resolución de imagen
A) Red neuronal compleja B) Red neuronal convolucional C) Red neuronal informatizada D) Red neuronal controlada
A) Desenfoque gaussiano B) Transformada de Fourier C) Método Lucas-Kanade D) Ecualización del histograma
A) Sigmoide B) Tanh C) Softmax D) ReLU |