IA2-11

Prévia do material em texto

Tema 11: Redes Neurais Convolucionais (CNN) 
As Redes Neurais Convolucionais (CNNs) são um tipo especial de rede neural projetada para 
trabalhar principalmente com dados em forma de imagem ou vídeo. Elas são chamadas assim 
porque utilizam uma operação matemática chamada convolução, que é aplicada a pequenos 
segmentos da imagem, permitindo que a rede aprenda padrões locais, como bordas, texturas e 
formas.Arquitetura das CNNs As CNNs são compostas por várias camadas que realizam 
diferentes tarefas: 
• Camadas Convolucionais: Essas camadas aplicam filtros (ou kernels) a porções da 
imagem para detectar características como bordas, curvas e texturas. As ativações 
resultantes das convoluções são então passadas para a próxima camada. 
• Camadas de Pooling: Após as convoluções, as camadas de pooling (geralmente max-
pooling) são usadas para reduzir a dimensionalidade dos dados, preservando as 
características mais importantes. Isso ajuda a evitar o overfitting e reduz a 
complexidade computacional. 
• Camadas Completamente Conectadas (Fully Connected): No final da rede, as 
camadas totalmente conectadas são usadas para tomar decisões baseadas nas 
características extraídas pelas camadas anteriores. Essas camadas realizam a 
classificação final, ou, em casos de problemas de regressão, a previsão de valores 
contínuos. Função de AtivaçãoA função de ativação mais comum em redes 
convolucionais é a ReLU (Rectified Linear Unit), que aplica uma transformação não 
linear aos dados, permitindo que a rede aprenda representações mais 
complexas.Aplicações das CNNsAs CNNs são amplamente utilizadas em várias áreas, 
principalmente aquelas que lidam com imagens e vídeos: 
• Reconhecimento de Imagens: Identificação e classificação de objetos em imagens (por 
exemplo, detectar carros em uma imagem). 
• Reconhecimento Facial: Usado em sistemas de segurança e autenticação. 
• Visão Computacional: Detectar e interpretar o conteúdo visual em tempo real, como 
em veículos autônomos. 
• Análise de Vídeos: Detecção de eventos em vídeos, como a identificação de ações 
específicas ou movimentos.• Detecção de Padrões: Reconhecimento de padrões 
em imagens, como encontrar defeitos em produtos ou inspeção de qualidade. 
• Análise de Vídeos: Usada para rastreamento de movimento e reconhecimento de 
ações em vídeos.Questões de Alternativas - Tema 11: Redes Neurais Convolucionais 
1. Qual é o principal objetivo das camadas convolucionais em uma CNN? 
• a) Reduzir a dimensionalidade das imagens 
• b) X Detectar características locais nas imagens, como bordas e texturas 
• c) Realizar a classificação das imagens 
• d) Aumentar a resolução das imagens 
2. Qual é a função da camada de pooling em uma CNN? 
• a) Aplicar convoluções nas imagens 
• b) X Reduzir a dimensionalidade das imagens enquanto preserva características 
importantes 
• c) Aumentar o número de filtros aplicados nas imagens 
• d) Gerar a classificação final da rede