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