NEW
Font size
WorksheetsHO - 41 Describe los fundamentos de la detección de objetos
Total questions: 20
Worksheet time: 3mins
¿Qué es la detección de objetos?
Una técnica para clasificar imágenes completas
Una técnica para identificar y localizar objetos en imágenes o videos
Un algoritmo de regresión lineal
Un sistema de traducción
¿Qué tipo de datos procesan principalmente las CNN?
Datos tabulares
Datos en cuadrícula como imágenes
Audio en crudo
Texto
¿Qué utilizan las CNN para extraer características de una imagen?
Algoritmos de clustering
Filtros o kernels
Árboles de decisión
Tokens
¿Qué detectan las primeras capas de una CNN?
Objetos completos
Bordes y características simples
Colores complejos
Texto incrustado
¿Qué detectan las capas más profundas de una CNN?
Bordes
Texturas
Formas y objetos más complejos
Colores básicos
¿Cuál es una aplicación común de las CNN?
Inspección de calidad, clasificación de objetos e imágenes médicas
Reconocimiento de voz
Procesamiento de texto
Generación de audio
¿Qué significa YOLO?
Your Object Learning Only
You Only Look Once
Your Optimal Local Output
You Observe Layers Once
¿Qué ventaja principal tiene YOLO?
Lentitud y precisión
Rapidez y precisión
Solo clasifica imágenes
No requiere entrenamiento
¿Cómo divide YOLO una imagen?
En clústeres
En una cuadrícula de celdas
En bloques de texto
En histogramas
¿Qué predice cada celda en YOLO?
Solo colores
Bounding boxes y probabilidades de clase
Histogramas
Texto
¿Qué indica la puntuación de confianza en YOLO?
El tiempo de ejecución
La probabilidad de que haya un objeto en la caja
El color dominante
El número de filtros usados
¿Qué técnica usa YOLO para eliminar cajas redundantes?
Agrupamiento K-Means
Supresión no máxima
Regresión
PCA
¿Dónde se aplica comúnmente YOLO?
Vehículos autónomos y cámaras de vigilancia inteligentes
Procesadores de texto
Juegos 2D
Tablas de Excel
¿Qué significa R-CNN?
Region-based Convolutional Neural Networks
Random CNN
Recursive CNN
Reduced CNN
¿Qué hace primero el método R-CNN?
Genera propuestas de regiones candidatas
Entrena un árbol de decisión
Divide la imagen en histogramas
Calcula promedios
¿Qué se hace con cada región propuesta en R-CNN?
Se entrena una red neuronal desde cero
Se pasa por una CNN para extraer características
Se grafica directamente
Se elimina
¿Qué ocurre después de la extracción de características en R-CNN?
Se aplica clustering
Se clasifica la región en una clase de objeto
Se entrena un perceptrón simple
Se aplica una regresión logística
¿Cuál es una desventaja de R-CNN frente a YOLO?
Es más lento porque procesa cada región candidata por separado
No puede detectar objetos
Es menos preciso en todas las tareas
No funciona con CNN
¿Cuál es el resumen de la diferencia entre CNN, YOLO y R-CNN?
CNN extraen características, YOLO detecta rápido, R-CNN propone regiones
CNN y YOLO son idénticos
YOLO es más lento que R-CNN
CNN no sirve para imágenes
¿Por qué son importantes estos métodos en visión por computadora?
Porque solo clasifican colores
Porque permiten localizar y reconocer objetos en imágenes y videos
Porque reemplazan a las bases de datos
Porque traducen texto en imágenes
