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