Etapa Avaliar 2- Introdução à Visão Computacional

Prévia do material em texto

A) Permitir a presença humana em ambientes subaquáticos.
B) Reconhecimento de padrões em testes médicos.
C) Navegação e tomada de decisões em cidades.
D) Monitoramento de comportamento humano em lojas.
E) Análise de tráfego aéreo.
Feedback
A Visão Computacional é fundamental nos veículos autônomos para interpretar e
compreender o ambiente de condução urbano. Esta tecnologia permite que o veículo
autônomo "veja" e processe visualmente seu entorno, incluindo outros veículos, pedestres,
sinais de trânsito, faixas de rodagem e outros elementos essenciais para a navegação
segura e e�ciente em ambientes urbanos.
A) Características faciais de indivíduos.
B) Letras tipográficas e caligráficas.
C) Movimentos humanos em vídeos.
D) Alterações térmicas em imagens infravermelhas.
E) Formas geométricas básicas em imagens.
Feedback
A tecnologia OCR (Optical Character Recognition) é projetada especi�camente para
reconhecer e converter diferentes tipos de texto impresso ou escrito em dados digitais.
Esta tecnologia é capaz de identi�car letras e caracteres em uma variedade de fontes e
estilos, incluindo tipogra�as (caracteres impressos ou digitais) e caligra�as (escrita
manual).
Questão 1) Qual é o principal objetivo da aplicação de Visão Computacional
em veículos autônomos?
*
Questão 2) O que a tecnologia OCR (Optical Character Recognition) permite
reconhecer?
*
A) Para identificar emoções humanas.
B) Para inspeção de qualidade em linhas de produção.
C) Para detecção de assinaturas térmicas.
D) Para observar detalhes em imagens diurnas.
E) Para mapeamento cerebral.
Resposta correta
D) Para observar detalhes em imagens diurnas.
Feedback
A captura de imagens no espectro ultravioleta (UV) na Visão Computacional tem a
capacidade única de revelar detalhes que não são visíveis ao olho humano ou em
imagens capturadas no espectro de luz visível. A luz ultravioleta tem um comprimento de
onda mais curto do que a luz visível e pode iluminar características distintas de objetos
ou cenas que são invisíveis ou difíceis de discernir sob luz normal.
Questão 3) Em Visão Computacional, para que serve a captura no espectro
ultravioleta?
*
A) Detecção de retinopatia diabética.
B) Monitoramento de reações humanas em campanhas políticas.
C) Prevenção de fraudes em guichês de autoatendimento.
D) Navegação de drones em ambientes fechados.
E) Tradução automática de voz.
Feedback
A Visão Computacional não é diretamente utilizada para a tradução de textos. A Visão
Computacional envolve o processamento e análise de imagens e vídeos para extrair
informações, detectar padrões, reconhecer objetos ou realizar tarefas relacionadas à
interpretação visual, não havendo relação com a tradução por voz.
A) Reconhecimento de ações humanas.
B) Detecção de bordas em imagens.
C) Análise de tráfego em rodovias.
D) Identificação de objetos em baixa luminosidade.
E) Medição de distâncias em mapas 3D.
Feedback
O�ltro de Canny é um algoritmo amplamente utilizado em Visão Computacional
especi�camente para detectar uma ampla gama de bordas em imagens. John F. Canny
desenvolveu este algoritmo em 1986, e ele é conhecido por sua e�cácia em identi�car as
bordas de forma clara e minimizar falsos positivos.
Questão 4) Qual dos seguintes não é uma aplicação da Visão
Computacional?
*
Questão 5) Qual é a função do filtro de Canny na Visão Computacional? *
A) Identificação de placas de veículos.
B) Detecção e mapeamento de objetos e superfícies.
C) Monitoramento do comportamento do consumidor em lojas.
D) Análise de gestos humanos.
E) Reconhecimento de caracteres impressos.
Feedback
O LIDAR (Light Detection and Ranging) é uma tecnologia que utiliza a luz laser para medir
distâncias até um objeto ou superfície. Em Visão Computacional, o LIDAR é
primordialmente usado para criar representações precisas e detalhadas do ambiente em
três dimensões (3D).
A) Redes usadas para a criação de modelos generativos adversários.
B) Algoritmos para detecção de características invariantes à escala.
C) Redes utilizadas em tarefas de reconhecimento de imagens e detecção de
objetos.
D) Técnicas para segmentação semântica e de instâncias em imagens.
E) Algoritmos focados em análise temporal de vídeos.
Feedback
As Redes Neurais Convolucionais (CNNs) são especi�camente projetadas e otimizadas
para analisar dados visuais. Elas são e�cientes em tarefas que envolvem o
reconhecimento de padrões visuais a partir de imagens, o que inclui a identi�cação e
classi�cação de objetos em uma imagem, bem como a detecção de diferentes elementos
ou características dentro de uma cena.
Questão 6) Qual é o principal uso do LIDAR em Visão Computacional? *
Questão 7) Qual das seguintes afirmações melhor descreve o conceito de
Redes Neurais Convolucionais (CNNs)?
*
A) Detecção de movimentos oculares.
B) Segmentação de imagens médicas.
C) Detecção e descrição de características em imagens.
D) Análise de profundidade em imagens 3D.
E) Identificação de placas de veículos em movimento.
Feedback
O algoritmo SIFT (Scale-Invariant Feature Transform) é projetado especi�camente para
identi�car e descrever pontos de interesse locais em imagens. Estes pontos de interesse,
ou características, são elementos visuais distintos que podem ser reconhecidos
independentemente de variações como escala, rotação, iluminação e parcial obstrução.
A) SONAR.
B) OCR.
C) LIDAR.
D) Câmeras infravermelhas.
E) Redes neurais.
Feedback
As Redes neurais são a tecnologia fundamental por trás do reconhecimento facial em
sistemas de segurança. Redes neurais, especialmente Redes Neurais Convolucionais
(CNNs), são e�cazes no processamento e análise de imagens, o que é essencial para
identi�car e veri�car rostos em sistemas de segurança.
Questão 8) Qual é a principal aplicação do algoritmo SIFT na Visão
Computacional?
*
Questão 9) Qual tecnologia é essencial para o reconhecimento facial em
sistemas de segurança?
*
A) Aprendizado baseado em técnicas de áudio.
B) Uso de grandes conjuntos de dados para treinamento.
C) Foco em algoritmos de baixo nível para processamento de imagem.
D) Treinamento de modelos exclusivamente para reconhecimento de texto.
E) Uso de múltiplas camadas em redes neurais para processar imagens.
Feedback
O termo "deep learning" (aprendizado profundo) em Visão Computacional refere-se
especi�camente ao uso de redes neurais com muitas camadas para realizar tarefas
complexas de processamento e análise de imagens.
Este formulário foi criado em Facti - Fundação de Apoio à Capacitação em Tecnologia da Informação.
Questão 10) O que o termo "deep learning" implica em Visão
Computacional?
*
 Formulários
https://www.google.com/forms/about/?utm_source=product&utm_medium=forms_logo&utm_campaign=forms
https://www.google.com/forms/about/?utm_source=product&utm_medium=forms_logo&utm_campaign=forms
https://www.google.com/forms/about/?utm_source=product&utm_medium=forms_logo&utm_campaign=forms