Para entender como funcionam as Redes Convolucionais (CNNs) em tarefas de visão computacional, é importante focar na maneira como elas processam as imagens. As CNNs são projetadas para capturar características espaciais e hierárquicas das imagens, utilizando filtros convolucionais. Vamos analisar as alternativas: A) Elas utilizam camadas de feedback para retropropagar o erro e ajustar os pesos da imagem. - Isso se refere mais a redes neurais em geral, mas não é específico para o funcionamento das CNNs em visão computacional. B) Elas aplicam transformações geométricas às imagens para aumentar a precisão do modelo. - Embora a augmentação de dados possa ser utilizada, isso não é uma característica fundamental das CNNs. C) Elas são responsáveis por converter dados não estruturados em dados estruturados antes de processar imagens. - Isso não descreve corretamente o funcionamento das CNNs. D) Elas utilizam filtros convolucionais para extrair características locais, como bordas e texturas de imagens. - Esta é a descrição correta do funcionamento das CNNs, que realmente utilizam filtros convolucionais para identificar características importantes nas imagens. E) Elas usam algoritmos de previsão para calcular probabilidades de eventos futuros com base em imagens. - Isso não é uma descrição precisa do funcionamento das CNNs. Portanto, a alternativa correta é: D) Elas utilizam filtros convolucionais para extrair características locais, como bordas e texturas de imagens.