Etapa Avaliar - Introdução à Visão Computacional

Prévia do material em texto

Etapa Avaliar - Introdução à Visão
Computacional
A resposta foi enviada, e a tarefa foi marcada como concluída.
Avaliação Capítulo 2: Introdução à Visão Computacional
0 de 0 pontos
Questão 1) Qual é o principal objetivo da aplicação de Visão Computacional em
veículos autônomos?*
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 eficiente em ambientes
urbanos.
Questão 2) O que a tecnologia OCR (Optical Character Recognition) permite
reconhecer?
*
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 especificamente para reconhecer e
converter diferentes tipos de texto impresso ou escrito em dados digitais. Esta tecnologia é capaz
de identificar letras e caracteres em uma variedade de fontes e estilos, incluindo tipografias
(caracteres impressos ou digitais) e caligrafias (escrita manual).
Questão 3) Em Visão Computacional, para que serve a captura no espectro
ultravioleta?
*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.
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 4) Qual dos seguintes não é uma aplicação da Visão Computacional?
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.
Questão 5) Qual é a função do filtro de Canny na Visão Computacional?
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: Ofiltro de Canny é um algoritmo amplamente utilizado em Visão Computacional
especificamente para detectar uma ampla gama de bordas em imagens. John F. Canny
desenvolveu este algoritmo em 1986, e ele é conhecido por sua eficácia em identificar as bordas
de forma clara e minimizar falsos positivos.
Questão 6) Qual é o principal uso do LIDAR em 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).
Questão 7) Qual das seguintes afirmações melhor descreve o conceito de Redes
Neurais Convolucionais (CNNs)?
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 especificamente projetadas e otimizadas para
analisar dados visuais. Elas são eficientes em tarefas que envolvem o reconhecimento de padrões
visuais a partir de imagens, o que inclui a identificação e classificação de objetos em uma
imagem, bem como a detecção de diferentes elementos ou características dentro de uma cena.
Questão 8) Qual é a principal aplicação do algoritmo SIFT na Visão Computacional?
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 especificamente para identificar
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.
Questão 9) Qual tecnologia é essencial para o reconhecimento facial em sistemas
de segurança?*
A) SONAR.
B) OCR.
C) LIDAR.
D) Câmeras infravermelhas.
E) Redes neurais.
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 eficazes no
processamento e análise de imagens, o que é essencial para identificar e verificar rostos em
sistemas de segurança.
Questão 10) O que o termo "deep learning" implica em Visão Computacional?*
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.
Resposta correta
E) Uso de múltiplas camadas em redes neurais para processar imagens.
Feedback
O termo "deep learning" (aprendizado profundo) em Visão Computacional refere-se
especificamente ao uso de redes neurais com muitas camadas para realizar tarefas complexas de
processamento e análise de imagens.