212223_VISÃO COMPUTACYOLO Detecção de Objetos

212223_VISÃO COMPUTACYOLO Detecção de Objetos

University

18 Qs

quiz-placeholder

Similar activities

Redes Vlan

Redes Vlan

University

15 Qs

REDES

REDES

University

15 Qs

HTML Básico

HTML Básico

8th Grade - University

14 Qs

QUIS-2 SOK

QUIS-2 SOK

University

16 Qs

IGH Test de Entrada

IGH Test de Entrada

University

20 Qs

STIN (EM24) - Tecnologías 4.0 (T13)

STIN (EM24) - Tecnologías 4.0 (T13)

University - Professional Development

17 Qs

Atividade de Fixação - Python

Atividade de Fixação - Python

University

20 Qs

BUSQUEDA AVANZADA

BUSQUEDA AVANZADA

University

13 Qs

212223_VISÃO COMPUTACYOLO Detecção de Objetos

212223_VISÃO COMPUTACYOLO Detecção de Objetos

Assessment

Quiz

Computers

University

Practice Problem

Hard

Created by

EVERTON LUIZ

FREE Resource

AI

Enhance your content in a minute

Add similar questions
Adjust reading levels
Convert to real-world scenario
Translate activity
More...

18 questions

Show all answers

1.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Media Image

Qual é a técnica de detecção de objetos mostrada na imagem?

A) R-CNN

B) YOLO

C) SSD

D) Fast R-CNN

2.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Media Image

O que é o Histogram of Oriented Gradients (HOG)?

Uma técnica de detecção de pedestres

Um tipo de imagem

Um método de cálculo de gradientes

Uma técnica de extração de características que captura a estrutura local de uma imagem através do cálculo de gradientes.

3.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Os algoritmos SIFT e SURF são utilizados para:

Análise de sentimentos em textos

Reconhecimento de padrões em imagens

Criação de gráficos estatísticos

Compressão de dados

4.

OPEN ENDED QUESTION

3 mins • 1 pt

Os descritores SIFT e SURF são projetados para serem invariantes a quais transformações?

Evaluate responses using AI:

OFF

5.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

A comparação visual entre a imagem original e as características extraídas, como HOG e SIFT, é importante porque:

ajuda a identificar informações importantes de uma imagem.

não tem impacto na análise de imagens.

é irrelevante para a representação de informações.

complica a análise visual.

6.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

Media Image

Explique a diferença entre o kernel linear e o kernel RBF no contexto de SVM, com base no gráfico 2D mostrado.

O kernel linear é usado para dados linearmente separáveis, enquanto o kernel RBF é usado para dados não linearmente separáveis.

O kernel RBF é mais rápido que o kernel linear em todos os casos.

O kernel linear é mais preciso que o kernel RBF para todos os tipos de dados.

O kernel RBF só pode ser usado com dados 3D.

7.

MULTIPLE CHOICE QUESTION

30 sec • 1 pt

As Máquinas de Vetores de Suporte (SVM) são utilizadas para criar:

modelos de classificação e regressão

redes neurais artificiais

sistemas de recomendação

algoritmos de ordenação

Access all questions and much more by creating a free account

Create resources

Host any resource

Get auto-graded reports

Google

Continue with Google

Email

Continue with Email

Classlink

Continue with Classlink

Clever

Continue with Clever

or continue with

Microsoft

Microsoft

Apple

Apple

Others

Others

Already have an account?