O que é CNN?
Convolutional Neural Network
É uma arquitetura de aprendizado profundo desenvolvida inspirada em sistemas de visão biológica para analisar dados visuais e imagens.
Definição
As Redes Neurais Convolucionais (CNNs) são modelos de inteligência artificial em camadas que detectam automaticamente padrões em imagens, como bordas, texturas e formas. Elas escaneiam matrizes de pixels em imagens usando filtros para extrair características proeminentes. É um dos padrões fundamentais no reconhecimento de objetos, classificação de imagens e análise de imagens médicas.
Como funciona
A imagem de entrada passa pelas camadas de convolução para extrair pequenos mapas de características. As camadas de pooling reduzem os dados e, finalmente, as camadas totalmente conectadas estimam o que é a imagem.
Onde é usado
É amplamente utilizada no rastreamento de estradas por veículos autônomos, reconhecimento facial em câmeras de segurança e análise de raios-X no setor da saúde.
Costuma ser confundido com
Ao contrário dos modelos Transformer focados em texto, ela foi projetada para processar diretamente grades de dados visuais 2D e 3D.
Perguntas e respostas
Os modelos CNN são usados apenas para imagens?
Embora seja usada predominantemente em imagens, ela também produz resultados bem-sucedidos em outros dados estruturados em grade, como ondas sonoras e séries temporais.
Qual é a diferença entre CNN e redes neurais artificiais tradicionais?
As CNNs usam filtros de convolução para preservar as relações de pixels e as localizações espaciais, alcançando assim um sucesso muito maior em imagens.
Termos relacionados
Esta explicação foi escrita em linguagem simples para a TreScout com IA e traduzida automaticamente do original em turco · a versão turca é a que vale. Se algo parecer errado ou faltando, escreva para hello@trescout.com. Ler em turco →