Tema 8-Percepción

¿Cuál es la función principal del pipeline tradicional de reconocimiento de objetos?. Detectar bordes en imágenes 2D. Reconocer y localizar objetos en escenas tridimensionales. Crear gráficos en 3D. Mejorar la resolución de imágenes.

¿Qué técnica se utiliza para eliminar emparejamientos erróneos en el pipeline tradicional?. SIFT. RANSAC. Harris 3D. YOLO.

¿Cuál es la principal desventaja de los métodos tradicionales de reconocimiento de objetos?. Alta capacidad de generalización. Eficiencia computacional. Bajo costo computacional. Poca capacidad de generalización.

¿Qué algoritmo de Deep Learning marcó un hito en el reconocimiento de objetos en 2D en 2012?. ResNet. AlexNet. YOLO. SegNet.

¿Qué significa 'ICP' en el contexto del reconocimiento de objetos?. Iterative Closest Point. Image Classification Process. Integrated Computational Pipeline. Interactive Control Protocol.

¿Qué método se utiliza para calcular la transformación de una nube de puntos para que encaje en otra?. KdTree. SVD. PFH. ISS.

¿Cuál de los siguientes es un método para detectar 'keypoints'?. YOLO. SegNet. Harris 3D. ResNet.

¿Qué estructura de datos representa inherentemente un problema en el reconocimiento de objetos 3D?. Imágenes 2D. Superficies basadas en triángulos. Archivos de texto. Tablas de datos.

¿Qué técnica se usa para representar la densidad de puntos en el espacio que ocupa un voxel?. Descriptores locales. KdTree. RANSAC. Voxelización.

¿Cuál es la principal ventaja de usar redes de Deep Learning en el reconocimiento de objetos 2D?. Más costoso computacionalmente. Niveles de acierto más altos. Poca capacidad de generalización. Procesamiento más lento.

¿Qué red de Deep Learning usa 'bounding boxes' para devolver categorías de objetos?. AlexNet. ResNet. YOLO. SegNet.

¿Qué problema soluciona el uso de 'conexiones residuales' en ResNet?. Vanishing gradients. Sobreajuste. Submuestreo. Desplazamiento de imagen.

¿Cuál es una desventaja de la representación voxelizada en el reconocimiento de objetos 3D?. Baja eficiencia computacional. Alta resolución. Consumo alto de recursos. Baja densidad.

¿Qué red utiliza una arquitectura de encoder-decoder para etiquetar objetos a nivel de píxel?. YOLO. ResNet. SegNet. AlexNet.

¿Qué red usa renders desde diferentes puntos de vista para la clasificación de objetos?. PointNet. LonchaNet. RotationNet. YOLO.

¿Qué representa cada voxel en una nube de puntos 3D?. Un borde. Un píxel. La densidad de puntos. Una línea.

¿Cuál es un problema al utilizar datos 3D en redes convolucionales?. Baja resolución. Relaciones espaciales claras. Consistencia de datos. Facilidad de procesamiento.

¿Qué red es conocida por mejorar significativamente el problema de 'vanishing gradients'?. YOLO. SegNet. AlexNet. ResNet.

¿Qué método experimental usa 'slices' del modelo 3D para clasificación?. PointNet. LonchaNet. RotationNet. YOLO.

¿Qué técnica se usa comúnmente para comparar descriptores en el proceso de emparejamiento?. SIFT. KdTree. RANSAC. ISS.

¿Qué tipo de datos pueden representar objetos 3D según el documento?. Superficies basadas en triángulos. Imágenes JPEG. Archivos CSV. Tablas de datos.

¿Cuál es una característica clave de PointNet?. Uso de bounding boxes. Representación voxelizada. Conexiones residuales. Uso de slices.

¿Qué es un descriptor en el contexto del reconocimiento de objetos 3D?. Un método para detectar bordes. Una manera de codificar patrones geométricos. Un algoritmo de aprendizaje profundo. Un tipo de sensor 3D.

¿Qué red fue desarrollada en 2015 y es conocida por su arquitectura de 50 a 152 capas?. YOLO. AlexNet. SegNet. ResNet.

¿Cuál es una desventaja del pipeline tradicional de reconocimiento de objetos 3D?. Alta capacidad de generalización. Eficiencia computacional. Alto costo computacional. Velocidad de procesamiento.