Parte IV · Cap. 03 — CNN (Rede Convolucional)

draft

Conexionista · Visão · Convolução. Detecta padrões espaciais por filtros hierárquicos; foi a arquitetura que iniciou a revolução do deep learning. Card: ../02-tipos-de-ia/02-conexionista.kmd.

🎨 Figura F-IV.3.0 — Hierarquia de features. Brief: uma imagem passando por camadas que detectam bordas → texturas → partes → objeto; mapas de ativação ao lado de cada camada.

CNN — hierarquia de features

1. Definição e história curta

Rede que aplica convoluções para extrair características locais com equivariância à translação. Linhagem: LeNet (1989) → AlexNet (2012, o estopim) → VGG/ResNet → ainda padrão em borda e tarefas específicas (ver Parte III, era 5).

2. Fundamentos

  • Teoria dos grupos / simetrias — equivariância à translação é o prior-chave.
  • Óptica / processamento de sinais (DSP) — convolução, filtros, frequência.
  • Álgebra linear e cálculo — convolução como operação linear; backprop.
  • Neurociência — inspirada no córtex visual (campos receptivos, Hubel & Wiesel).

3. Algoritmos e arquiteturas

  • Camada convolucional — filtros deslizantes + ativação (ReLU).
  • Pooling — reduz resolução, dá invariância local.
  • Profundidade + residual — ResNet (skip connections) treina centenas

    de camadas.

  • Variantes — depthwise (MobileNet), detecção (YOLO, Faster R-CNN),

    segmentação (U-Net).

4. Insumos

  • Hardware: GPU (treino); muito eficiente em borda/NPU (inferência).
  • Dados: imagens rotuladas (ImageNet-like), augmentation.
  • Estruturas de dados: tensores 4D (NCHW), mapas de ativação.
  • Sistemas: PyTorch/TF; data augmentation; ONNX para borda.

5. Ciclo de vida especializado

Etapa Especialização
0 Problema Classificação? detecção? segmentação? restrição de borda?
1 Dados Imagens rotuladas, augmentation (flip, crop, color jitter)
2 EDA Balanceamento de classes, qualidade de rótulo, vieses visuais
3 Modelagem Backbone (ResNetEfficientNetMobileNet), cabeça da tarefa
4 Treino SGD/Adam, batch norm, transfer learning a partir de pré-treino
5 Avaliação Acurácia/top-5, mAP (detecção), IoU (segmentação)
5.5 Homologação Robustez a perturbação, testes em distribuição-alvo, latência na borda
6 Produção Quantização/pruning para NPU; inferência de baixa latência
7 Monitoramento Drift visual (iluminação, câmera), degradação de acurácia
8 Retreino Novos dados de campo, fine-tuning
9 Governança Privacidade (reconhecimento facial), viés demográfico, vigilância

6. Capacidades, modos e modalidades

Espacial/visual: classificação, detecção, segmentação, reconhecimento; base de visão em sistemas embarcados e médicos.

7. Limites, riscos e ética

Frágil a exemplos adversariais e domain shift; usos sensíveis (vigilância, reconhecimento facial, viés demográfico). ViT supera CNNs em larga escala.

8. Estado da arte e exemplos

ResNetEfficientNetConvNeXt; YOLO (detecção em tempo real); U-Net (médico). Convergência com Transformers (híbridos conv-atenção); CNNs persistem onde eficiência de borda importa.