Redes neurais convolucionais
O texto abaixo é basicamente um resumo traduzido (pelo GPT) do capítulo do
livro Neural Networks and Depp Learning. Se for para escolher apenas um
autoestudo para fazer (faça todos, o assunto é denso e vale a pena se expor a
mais de uma abstração), escolha o do StatQuest; é de LONGE o mais
acessível. Como tem vídeos longos e capítulos de livros, sugiro começar pelo
vídeo curto e ir consumindo o conteúdo aos poucos (mesmo que acabe indo para a
instrução sem ter visto/lido tudo)
AutoestudoAutoestudo
AutoestudoAs Redes Neurais Convolucionais (CNNs, do inglês Convolutional Neural Networks) são uma forma especializada de rede neural projetada para tarefas de classificação e reconhecimento de imagens. Essa arquitetura distinta aproveita a estrutura espacial das imagens, ao contrário de modelos anteriores de redes neurais que tratavam os pixels de entrada independentemente da sua disposição espacial.
Conceitos-chave das Redes Neurais Convolucionais:
Campos Receptivos Locais: Em vez de conectar cada pixel de entrada a cada neurônio oculto, as CNNs concentram-se em regiões pequenas e localizadas da imagem de entrada. Por exemplo, um neurônio na primeira camada oculta pode estar conectado a uma região de 5x5 pixels da imagem de entrada, formando um 'campo receptivo local'. Esta abordagem reflete a forma como as informações visuais são processadas nos sistemas biológicos, onde neurônios específicos respondem a estímulos em uma pequena região do campo visual.
Pesos e Viéses Compartilhados: As CNNs utilizam pesos e vieses compartilhados em diferentes posições da imagem de entrada. Isso significa que o mesmo detector de características (definido por um conjunto de pesos e um viés) é aplicado em várias localizações da imagem de entrada. Esse design explora a invariância translacional nas imagens - características como bordas, cantos e texturas são úteis independentemente de onde apareçam na imagem.
Camadas de Pooling: As CNNs frequentemente incluem camadas de pooling para reduzir o tamanho espacial da representação, diminuindo o número de parâmetros e a computação na rede. Isso também contribui para a invariância translacional da rede.
Redes Profundas com Múltiplas Camadas: O uso de camadas convolucionais e de pooling permite que as CNNs sejam profundas (com muitas camadas), o que é benéfico para classificar imagens complexas. Redes mais profundas podem aprender uma hierarquia de características, desde bordas simples nas camadas iniciais até padrões complexos nas camadas mais profundas.
Eficiência no Treinamento: Os pesos e vieses compartilhados nas CNNs não apenas ajudam a capturar as hierarquias espaciais nas imagens, mas também reduzem o número de parâmetros em comparação com redes totalmente conectadas. Isso torna as CNNs mais rápidas para treinar e mais eficientes em termos de recursos computacionais.
Prevalência no Reconhecimento de Imagens: Devido à sua eficácia no manuseio de dados de imagem, as CNNs se tornaram a arquitetura padrão para a maioria das tarefas de reconhecimento de imagens. Elas são particularmente adequadas para tarefas onde o reconhecimento de hierarquias espaciais de características é crucial, como no reconhecimento de escrita à mão ou identificação de características faciais.
Em resumo, as Redes Neurais Convolucionais são uma ferramenta poderosa no campo do reconhecimento de imagens, oferecendo uma arquitetura que espelha certos aspectos dos sistemas de visão biológica e é particularmente adequada para tarefas envolvendo dados espaciais