Visão computacional

Qual é o principal objetivo do estudo apresentado no artigo?

• Desenvolver uma nova linguagem de programação para visão computacional

• Aperfeiçoar a detecção de emoções com redes neurais, explorando características faciais, aprendizado por transferência e desafios de generalização

• Criar um banco de dados com imagens de emoções faciais

• Substituir completamente a análise humana de emoções

Quais áreas do rosto são consideradas essenciais para o modelo identificar emoções?

• Orelhas e queixo

• Testa e maxilar

• Áreas ao redor do nariz e da boca

• Cabelos e sobrancelhas

Qual técnica de processamento de imagem foi utilizada para extrair características faciais no estudo?

• Árvores de decisão

• Redes Neurais Convolucionais (CNN)

• Máquinas de Vetores de Suporte (SVM)

• Regressão Linear

O que são os “Mapas de Características” utilizados no estudo?

• Um guia para ajustar a iluminação das imagens

• Diagramas de fluxo de rede neural

• Visualizações que mostram as regiões faciais mais importantes para o modelo

• Ferramentas para medir a distância entre os olhos

Qual foi a principal vantagem do uso de aprendizagem por transferência no estudo?

• Substituir completamente o treinamento supervisionado

• Melhorar a precisão em conjuntos de dados menores

• Reduzir o número de imagens utilizadas no treinamento

• Eliminar a necessidade de validação cruzada

Qual das seguintes bases de dados NÃO foi utilizada no estudo?

• AffectNet

• RAF-DB

• Asian Facial Emotion Dataset

• ImageNet

Segundo o estudo, qual foi a precisão alcançada pelos modelos pré-treinados?

• Até 73,33%

• Até 83,37%

• Até 91,45%

• 84,37%

Qual característica facial indica emoções como nojo e raiva?

• Movimento das sobrancelhas

• Rugas e movimento das narinas

• Forma dos olhos

• Posição do queixo

O que o estudo concluiu sobre a generalização para diferentes etnias?

• O desempenho foi igualmente alto em todas as etnias

• O modelo apresentou desempenho reduzido em rostos asiáticos, indicando necessidade de ajustes

• O modelo não conseguiu reconhecer emoções em rostos africanos

• A etnia não teve impacto no desempenho do modelo