Autoencoders convolucionais substituem camadas totalmente conectadas por camadas convolucionais na arquitetura. Diferente de autoencoders tradicionais, eles preservam a estrutura espacial das imagens durante o processo. Primeiramente, camadas convolucionais no codificador extraem características visuais hierárquicas das imagens. Além disso, camadas de pooling reduzem a dimensão espacial progressivamente. O decodificador usa camadas de upsampling e convoluções transpostas para reconstruir a imagem. Por exemplo, comprimir e reconstruir fotografias mantendo detalhes visuais importantes. Essa arquitetura é ideal para dados com estrutura espacial.
O codificador convolucional utiliza camadas de convolução seguidas por pooling para compressão. Primeiramente, as primeiras camadas detectam bordas e texturas básicas das imagens. Além disso, camadas mais profundas identificam partes de objetos e conceitos de alto nível. O bottleneck final é uma representação latente que comprime toda a informação espacial. Por exemplo, uma imagem 224×224 pode se tornar um vetor de 256 dimensões. Essa representação captura a essência semântica da imagem original. A arquitetura preserva invariância a translações e transformações.
O decodificador reconstrói a imagem original a partir da representação latente comprimida. Primeiramente, camadas de upsampling aumentam gradualmente a resolução espacial dos dados. Além disso, convoluções transpostas (deconvoluções) refinam os detalhes em cada etapa. O decodificador aprende a inverter as transformações realizadas pelo codificador. Por exemplo, reconstruir rostos a partir de vetores latentes de baixa dimensão. A saída final deve se aproximar ao máximo da imagem original. Essa arquitetura é essencial para autoencoders em visão computacional.
aplicações em visão computacional
Autoencoders convolucionais são amplamente usados em tarefas de processamento de imagens. Primeiramente, remoção de ruído restaura imagens corrompidas por artefatos e imperfeições. Além disso, compressão de imagens permite armazenamento eficiente com perda controlada de qualidade. Segmentação de imagens usa autoencoders como base para redes encoder-decoder como U-Net. Por exemplo, reconstruir imagens de tomografia com remoção de artefatos. Detecção de anomalias em imagens identifica defeitos em produtos manufaturados. Para iniciantes, mostram como adaptar autoencoders para dados estruturados espacialmente. São a base de muitas arquiteturas modernas de visão computacional.
