VISIÓN ARTIFICIAL SEMANA 2
|
|
Título del Test:
![]() VISIÓN ARTIFICIAL SEMANA 2 Descripción: REDES CONVOLUCIONALES Y DETECCIÓN DE OBJETOS |



| Comentarios |
|---|
NO HAY REGISTROS |
|
Es una matriz pequeña de números (pesos) que se desliza sobre la imagen de entrada realizando operaciones matemáticas para detectar patrones específicos. Kernel. Filtro. Identidad. Diagonal. Es el número de pixeles que el kernel se desplaza horizontal y verticalmente al moverse por la imagen. Stride. Paso a Paso. Salto. Step. Es la técnica de agregar bordes de ceros (o valores similares) alrededor de la imagen de entrada. Padding. OutFill. InFill. BoderFill. Padout. Se utiliza para introducir NO LINEALIDAD en la red. Sin ella, la Red Neuronal Convolucional se comportaría simplemente como una sola transformación lineal, incapaz de aprender patrones complejos. Función de Activación ReLU. Control de Avance. Desplazamiento controlado. Función Seno. Función Coseno. Ocurre cuando la red memoriza los datos de entrenamiento pero no generaliza bien con imágenes nuevas. Overfitting. Mapping. Underfitting. Dropping. Es un proceso de visión por computadora que consiste en clasificar cada pixel de una imagen dentro de una categoría o clase específica. Segmentación semántica. Filtrado Semántico. Clasificación de Pixeles. Segmentación de Pixeles. Relacione el concepto con la definición: Segmentación semántica. Segmentación de instancias. Aplicaciones comunes de la Segmentación Semántica: Conducción autónoma. Imágenes médicas. Agricultura de precisión. Definición de Rutas. Decisiones Gerenciales. Qué librería fue clave para la Segmentación Semántica de Imágenes: ultralytics. pandas. matplotlib. tensorflow. Qué producto de Ultralytics usamos por ser una opción versátil para una amplia gama de tareas de visión artificial. YOLO11. AKENA. BOLO11. DIPOLO26. |





