Redes Neurais Convolucionais

Prévia do material em texto

Tema 48: Redes Neurais Convolucionais (CNNs) 
As Redes Neurais Convolucionais (CNNs) são um tipo de rede neural profundamente eficaz 
para o processamento de dados em forma de grades, como imagens e vídeos. Elas são projetadas 
para captar hierarquias de características e padrões em dados estruturados, como imagens, 
tornando-as a tecnologia por trás de muitos avanços em reconhecimento de imagem, visão 
computacional e até mesmo em áreas como diagnósticos médicos. 
Estrutura de uma CNNAs CNNs são compostas por várias camadas que têm funções 
específicas no processo de aprendizagem e extração de características: 
1. Camada Convolucional (Conv Layer): 
o Esta camada realiza a convolução de um filtro ou kernel sobre a entrada de 
dados (geralmente uma imagem). O filtro escaneia a imagem para detectar 
características como bordas, texturas e formas. 
o O objetivo é criar um mapa de características (feature map) que destaque 
padrões importantes na imagem. 
2. Camada de Pooling (Pooling Layer): 
o A camada de pooling tem a função de reduzir as dimensões do mapa de 
características, ou seja, reduzir a quantidade de dados mantendo as informações 
mais importantes. 
o O tipo mais comum de pooling é o max pooling, onde é selecionado o valor 
máximo em uma área específica do mapa, ajudando a simplificar a informação 
sem perder dados cruciais. 
3. Camada Totalmente Conectada (Fully Connected Layer): 
o Ao final das camadas convolucionais e de pooling, as redes CNN geralmente 
têm uma ou mais camadas totalmente conectadas. Cada neurônio em uma 
camada totalmente conectada é conectado a todos os neurônios da camada 
anterior. 
o Essas camadas ajudam a realizar a classificação final ou as previsões. 
4. Função de Ativação (Activation Function): 
o Funções de ativação, como a ReLU (Rectified Linear Unit), são usadas para 
introduzir não linearidades no modelo. A ReLU ajuda a rede a aprender 
representações mais complexas e a evitar problemas como o desvanecimento do 
gradiente. 
Questões de Alternativas - Tema 48: Redes Neurais Convolucionais (CNNs) 
1. Qual é a função da camada convolucional em uma CNN? 
• a) Reduzir as dimensões do mapa de características. 
• b) X Aplicar um filtro sobre a imagem para extrair características importantes. 
• c) Realizar a classificação final das imagens. 
• d) Adicionar não linearidade ao modelo. 
 
2. O que caracteriza a camada de pooling em uma CNN? 
• a) X Reduzir as dimensões dos mapas de ativação, mantendo as informações mais 
importantes. 
• b) Aumentar o número de características extraídas da imagem. 
• c) Realizar a convolução de filtros sobre as imagens. 
• d) Conectar todos os neurônios de uma camada à camada seguinte.