Convolução e a folha de café doente

Uma folha de café com ferrugem não parece um gato. A internet ensina convolução com gatos porque o conjunto é famoso. O problema real, no Brasil, costuma ser outro: a mancha na folha, a praga que o agrônomo já nomeia, a foto tirada no meio da lavoura com a mão tremida.

A pergunta é a mesma. O que, nesta imagem, é local e se repete? A borda da folha. A pinta alaranjada. O contraste entre nervura e tecido doente. Convolução é o palpite de que um filtro pequeno, escorregando, encontra isso — e que empilhar filtros encontra primeiro bordas, depois manchas, depois a classe “ferrugem”.

O volume 5 da AI One trata visão nesse tom. Este texto é o caso. O artigo irmão, CNN: como uma rede vê uma imagem, é a mecânica genérica.

Por que a densa na folha inteira falha

Uma foto de celular, mesmo reduzida, tem centenas de milhares de pixels. Ligar cada um a cada neurônio explode a conta e joga fora o espaço: a mesma pinta dois centímetros à direita vira, para essa rede, um objeto novo. Na lavoura, a pinta vai aparecer em outro lugar. O modelo precisa do mesmo detector, traduzido.

O filtro 3 por 3 — ou 5 por 5 — é esse detector. Poucos pesos. Os mesmos pesos em cada posição. A saída é um mapa: onde aquele padrão apareceu. Seis filtros, seis mapas. Uma camada seguinte olha pedaços desses mapas e monta padrões maiores. Mancha sobre nervura. Halo amarelo. Folha inteira doente.

flowchart TD
  f["Foto da folha"] --> k["Filtros 3x3"]
  k --> m["Mapas: bordas, pintas"]
  m --> k2["Mais filtros"]
  k2 --> p["Partes: mancha, nervura"]
  p --> c["Classe: ferrugem / sadia"]
  classDef ouro fill:#FBF5E4,stroke:#C9A227,color:#0B1F18,stroke-width:1.4px
  classDef verde fill:#F3FAF7,stroke:#1E7A57,color:#0B1F18,stroke-width:1.4px
  classDef fim fill:#0F3328,stroke:#0F3328,color:#FBFAF6,stroke-width:1.4px
  class f,c ouro
  class k,m,k2,p verde

O atalho que a lavoura ensina

Se no treino quase toda folha doente foi fotografada de tarde, a rede pode aprender “luz amarela” em vez de ferrugem. O filtro local não salva um recorte enviesado. Só impede o desperdício de ligar o canto superior ao inferior sem motivo.

Por isso o conjunto importa mais que a arquitetura da moda. Folhas molhadas, folhas jovens, outras pragas, o verso da folha, o desfoque do bolso. Sem esses casos no treino, o detector de pinta vira detector de estúdio.

A métrica também muda. Acurácia alta com 90% de folhas sadias é o mesmo truque do slide 99,3%. O agrônomo quer os falsos negativos: a doente que passou por sadia. Essa conversa é o passo 5 e 6 de machine learning do zero, aplicados à visão.

O que a convolução não promete

Não promete diagnóstico. Promete uma função com viés espacial. Transferir uma rede treinada em gatos para café às vezes ajuda nas primeiras camadas — bordas são bordas. Às vezes não. A folha tem veios que o gato não tem. Trate transferência como hipótese, meça no seu teste, descarte se a baseline local ganhar.

O sete do volume 4 cabia num vetor. A folha pede o espaço de volta. A perda e a volta do gradiente não mudam. Muda a forma da função. Essa é a única novidade que merece o nome convolução.

Quando a tarefa deixar de ser “esta folha está doente?” e passar a ser “onde está a mancha?”, o mesmo palpite se estende: mapas densos, recortes, um decoder. O volume 5 percorre o caminho. A folha de café é o exemplo que segura o pé no chão.

A série AI One continua daqui para sequências, geradores e produção. Visão é o capítulo em que o espaço, finalmente, entra na conta.

Leia também: CNN: como uma rede vê uma imagem · Como a IA lê um número 7.