Nas Redes Neurais Convolucionais (CNNs), o stride define o número de pixels que um filtro se desloca a cada operação de convolução. Esse parâmetro impacta diretamente a quantidade de detalhes capturados, o tamanho do mapa de características gerado e a eficiência computacional do modelo. Dessa forma, a escolha do valor ideal de stride depende do equilíbrio entre precisão e eficiência, considerando as necessidades específicas da tarefa e dos recursos disponíveis. Com base nas informações apresentadas, avalie as asserções a seguir e a relação proposta entre elas: I. Quando o stride é igual a 1, a CNN captura um menor nível de detalhes da imagem, pois o filtro se desloca pixel a pixel, resultando em mapas de características mais “pobres” e menos exigentes em termos computacionais. PORQUE II. Quando o stride é igual a 2, o modelo processa as imagens mais rapidamente, gerando mapas de características menores e reduzindo a carga computacional, mas pode perder informações mais finas da imagem. A respeito dessas asserções, assinale a opção correta: A) A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. B) As asserções I e II são verdadeiras, mas a II não é uma justificativa correta da I. C) As asserções I e II são verdadeiras, e a II é uma justificativa correta da I. D) As asserções I e II são falsas. E) A asserção I é uma proposição verdadeira, e a II é uma proposição falsa.