ThatQuiz Directorio Inténtalo
Visión por ordenador y reconocimiento de imágenes
Contribuido por: Martínez
  • 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) Proceso de filtrado y mejora de imágenes visuales.
B) Campo de estudio que permite a los ordenadores interpretar y comprender la información visual del mundo real.
C) Estudio del funcionamiento de la visión humana.
D) El uso de pantallas de ordenador para mostrar imágenes.
  • 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) Cambiar las dimensiones de la imagen.
C) Distorsión aleatoria de imágenes.
D) Desenfoque de imágenes para conseguir un efecto artístico.
  • 3. ¿Qué se entiende por "segmentación de imágenes"?
A) Eliminar colores de una imagen.
B) Combinar varias imágenes en una.
C) Crear una imagen especular del original.
D) Dividir una imagen en regiones u objetos significativos para su análisis.
  • 4. ¿Qué métrica de evaluación se utiliza habitualmente en las tareas de clasificación de imágenes?
A) Puntuación F1
B) Precisión
C) R-cuadrado
D) Error cuadrático medio
  • 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 gradientes durante la retropropagación.
B) Utilización de modelos preentrenados y ajuste fino para una tarea específica.
C) Transferencia de píxeles de imagen a una nueva imagen.
D) Transferencia de imágenes entre distintos dispositivos.
  • 7. ¿Para qué sirve una "capa de agrupamiento" en una red neuronal convolucional?
A) Aumento del número de parámetros.
B) Reducir las dimensiones espaciales de la entrada.
C) Introducir la no linealidad en la red.
D) Normalización de los valores de entrada.
  • 8. ¿Qué función de activación se utiliza habitualmente en las redes neuronales convolucionales?
A) Tanh
B) Lineal
C) ReLU (Unidad lineal rectificada)
D) Sigmoide
  • 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) Identificación y delimitación de objetos individuales dentro de una escena.
B) Aplicación de filtros de color a las imágenes.
C) Conversión de imágenes a blanco y negro.
D) Suavizado de las intensidades de los píxeles.
  • 12. ¿Qué método puede utilizarse para calcular el flujo óptico en el tratamiento de vídeo?
A) Transformada de Fourier
B) Ecualización del histograma
C) Desenfoque gaussiano
D) Método Lucas-Kanade
  • 13. ¿Para qué sirve la homografía en la visión por ordenador?
A) Normalización de histogramas de imágenes.
B) Desenfoque de los límites de la imagen.
C) Mapeo de una imagen en otro plano de imagen.
D) Detección de bordes de objetos.
  • 14. ¿Qué técnica se utiliza para la eliminación de ruido de imágenes en visión por ordenador?
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
  • 15. ¿Qué técnica se utiliza para identificar y localizar objetos dentro de una imagen?
A) Clasificación de imágenes
B) Extracción de características
C) Detección de objetos
D) Segmentación de imágenes
  • 16. ¿Qué significa CNN?
A) Red neuronal compleja
B) Red neuronal controlada
C) Red neuronal convolucional
D) Red neuronal informatizada
  • 17. ¿Qué capa de una CNN se encarga de reducir las dimensiones espaciales?
A) Capa totalmente conectada
B) Capa convolucional
C) Capa de activación
D) Capa de agrupamiento
  • 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) InceptionNet
B) ResNet (red residual)
C) VGGNet
D) AlexNet
  • 20. ¿Qué técnica se utiliza habitualmente para extraer características de las imágenes?
A) Redes neuronales convolucionales (CNN)
B) Vecinos más próximos (KNN)
C) Análisis de componentes principales (ACP)
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) Técnica de filtrado selectivo de imágenes
C) Segmentación de características y texturas de imágenes
D) Seguimiento facial semiintegrado
  • 22. ¿Qué función de activación se utiliza habitualmente en la capa de salida de una CNN para la clasificación multiclase?
A) Tanh
B) Sigmoide
C) Softmax
D) ReLU
  • 23. ¿Qué técnica puede utilizarse para ajustar un modelo CNN preentrenado a una nueva tarea?
A) Inyección de ruido
B) Aprendizaje por transferencia
C) PCA Reducción de la dimensionalidad
D) Recorte de imágenes
Examen creado con That Quiz — el sitio de matemáticas.