Questão FC890568
No contexto de redes convolucionais (CNN) aplicadas à visão computacional, as camadas de convolução têm como função:
Inteligência Artificial (IA)
FGV · 2026
No contexto de redes convolucionais (CNN) aplicadas à visão computacional, as camadas de convolução têm como função:
- converter imagens coloridas em escala de cinza, como pré-requisito para que a rede consiga aprender padrões visuais;
- embaralhar aleatoriamente os pixels da imagem de entrada, de forma a aumentar a generalização do modelo por meio de ruído;
- reduzir a dimensão espacial das imagens de entrada, descartando linhas e colunas para diminuir o custo computacional;
- aplicar filtros com pesos compartilhados sobre a imagem para extrair padrões locais, como bordas, texturas e formas simples, gerando mapas de ativação;
- transformar automaticamente qualquer imagem em um vetor de mesma dimensão que a camada de saída, substituindo a necessidade de camadas totalmente conectadas.
Mostrar resposta e comentário
Gabarito
D
Comentário do professor
A camada de convolução aplica pequenos filtros ou kernels que deslizam sobre a imagem para extrair padrões locais, como bordas, texturas e formas simples. Os mesmos pesos do filtro são usados em todas as posições, característica chamada de pesos compartilhados, o que reduz parâmetros e permite detectar um padrão em diferentes regiões.
Matematicamente, a saída em cada posição é a soma do produto elemento a elemento entre o filtro e a vizinhança da imagem, por exemplo \( (F * I)(i,j)=\sum_{u}\sum_{v}F(u,v)\,I(i+u,j+v) \). O resultado dessa operação é um mapa de ativação que sinaliza onde o padrão aparece.
Esses mapas formam representações hierárquicas: camadas iniciais capturam bordas e texturas, camadas mais profundas combinam essas informações em formas e estruturas mais complexas. Parâmetros como stride, padding e o número de filtros controlam o detalhe e a resolução dos mapas gerados.
Conteúdo do catálogo FC Concursos · Atualizado em