IA2-28

Prévia do material em texto

Tema 28: Redes Neurais Convolucionais (CNNs) 
As Redes Neurais Convolucionais (CNNs) são um tipo especializado de rede neural projetado 
para processar dados com uma estrutura de grade, como imagens. Elas têm sido extremamente 
eficazes em tarefas como classificação de imagens, detecção de objetos e segmentação de 
imagens, revolucionando áreas como a visão computacional. 
Como Funcionam as CNNs?As CNNs utilizam camadas de convolução para aplicar filtros em 
uma entrada de dados, como uma imagem, e extrair características locais como bordas, texturas 
e padrões. Esses filtros podem aprender a detectar características cada vez mais complexas em 
camadas mais profundas da rede. 
• Camadas de Convolução: Cada camada aplica um filtro que passa sobre a entrada de 
dados (como uma imagem) e gera um mapa de características, destacando os padrões 
encontrados. 
• Camadas de Pooling: Após a convolução, as camadas de pooling reduzem a 
dimensionalidade dos mapas de características, mantendo as características mais 
importantes. O pooling ajuda a reduzir o custo computacional e evita o overfitting. 
• Camadas Completamente Conectadas (Fully Connected): Na parte final da rede, as 
camadas completamente conectadas fazem a classificação dos dados ou a previsão de 
um valor, combinando as características extraídas pelas camadas anteriores. 
Arquitetura Típica de uma CNN 
1. Entrada: A imagem ou dado de entrada é alimentado na rede. 
2. Camadas de Convolução: A rede aplica filtros convolucionais para detectar padrões 
simples nas imagens. 
3. Camadas de Pooling: A dimensionalidade dos dados é reduzida para diminuir o tempo 
de processamento. 
• Camadas Completamente Conectadas: A rede realiza as decisões finais, como 
classificar a imagem em uma categoria.Vantagens das CNNs 
• Invariante a Traslação: As CNNs são eficazes em reconhecer objetos 
independentemente de sua posição na imagem. 
• Detecção Hierárquica de Padrões: As redes aprendem a identificar padrões simples 
nas camadas iniciais e padrões mais complexos nas camadas mais profundas. 
• Eficiência: Com o uso de compartilhamento de pesos (os mesmos filtros são 
Questões de Alternativas - Tema 28: Redes Neurais Convolucionais (CNNs) 
1. Qual é a principal função das camadas de convolução em uma CNN? 
• a) X Detectar padrões locais em dados de entrada, como bordas e texturas 
• b) Reduzir a dimensionalidade dos dados 
• c) Realizar a classificação final dos dados 
• d) Gerar dados aleatórios para aumentar o conjunto de dados 
2. Qual das seguintes opções é uma aplicação típica de Redes Neurais Convolucionais 
(CNNs)? 
• a) Processamento de linguagem natural 
• b) X Reconhecimento de imagens e objetos em imagens 
• c) Regressão para previsão de séries temporais 
• d) Análise de dados tabulares em sistemas de recomendação