Uma rede convolucional é composta por diversas camadas convolucionais e pode conter camadas densas em sua saída. O que é aprendido por cada camada ...

Uma rede convolucional é composta por diversas camadas convolucionais e pode conter camadas densas em sua saída. O que é aprendido por cada camada convolucional (mapas de recursos) nessas redes?
A. De forma distinta das redes densas, as camadas convolucionais aprendem a mapear, de forma direta, as imagens em suas respectivas classes.
B. Os mapas (kernels) irão aprender a extrair padrões específicos de suas entradas, de tal maneira que cada mapa responda de forma distinta a um dado padrão recebido.
C. De forma distinta das redes densas, as camadas convolucionais possuem pesos fixos definidos pelo especialista do domínio. Na prática, essas camadas irão executar filtros amplamente utilizados em processamento de imagens.
D. Os mapas (kernels) irão aprender a extrair protótipos dos dados de entrada, ou seja, cada neurônio em uma camada convolucional irá representar um protótipo do agrupamento associado a este neurônio.
E. Os mapas de recursos são responsáveis pela extração das similaridades entre imagens distintas que alimentam a rede, logo, esses mapas aprendem funções de similaridade.

A. De forma distinta das redes densas, as camadas convolucionais aprendem a mapear, de forma direta, as imagens em suas respectivas classes.
B. Os mapas (kernels) irão aprender a extrair padrões específicos de suas entradas, de tal maneira que cada mapa responda de forma distinta a um dado padrão recebido.
C. De forma distinta das redes densas, as camadas convolucionais possuem pesos fixos definidos pelo especialista do domínio. Na prática, essas camadas irão executar filtros amplamente utilizados em processamento de imagens.
D. Os mapas (kernels) irão aprender a extrair protótipos dos dados de entrada, ou seja, cada neurônio em uma camada convolucional irá representar um protótipo do agrupamento associado a este neurônio.
E. Os mapas de recursos são responsáveis pela extração das similaridades entre imagens distintas que alimentam a rede, logo, esses mapas aprendem funções de similaridade.