Questão 232014 · 59ª da prova
FGV 2026 – DATAPREV – Analista de Tecnologia da Informação: Inteligência Artificial e Automação
- Banca
- FGV
- Órgão
- DATAPREV
- Ano
- 2026
- Cargo
- Analista de Tecnologia da Informação
- Matéria
- Noções de Informática
- Assunto
- Inteligência Artificial e Automação
Um especialista foi contratado por uma multinacional do setor
logístico para desenvolver um sistema automatizado de inspeção
de qualidade. O objetivo é identificar pequenas fissuras e defeitos
superficiais em caixas de papelão que passam em alta velocidade
por uma esteira industrial.
Para resolver o problema, a equipe optou por utilizar uma Rede Neural Convolucional (CNN). Durante a etapa de arquitetura do modelo, os engenheiros precisam definir o papel de cada camada na extração de características.
Considerando o funcionamento interno de uma CNN aplicada a esse cenário industrial, assinale a afirmativa correta.
Para resolver o problema, a equipe optou por utilizar uma Rede Neural Convolucional (CNN). Durante a etapa de arquitetura do modelo, os engenheiros precisam definir o papel de cada camada na extração de características.
Considerando o funcionamento interno de uma CNN aplicada a esse cenário industrial, assinale a afirmativa correta.
- AAs primeiras camadas convolucionais da rede são responsáveis por extrair representações abstratas e complexas, como o formato completo da caixa ou o tipo de embalagem, enquanto as camadas mais profundas identificam padrões simples, como bordas e variações bruscas de contraste
- BA camada de agrupamento, como o Max Pooling, é utilizada para aumentar a resolução espacial do mapa de características (feature map), garantindo que a rede não perca detalhes minuciosos das fissuras ao longo do processamento.
- CA função de ativação ReLU (Rectified Linear Unit) é aplicada após as convoluções com o objetivo principal de transformar a saída da rede em uma distribuição de probabilidade para a classificação final dos defeitos.
- DOs filtros das camadas convolucionais operam localmente sobre a imagem, permitindo que a rede aprenda características com invariância à translação, ou seja, um defeito pode ser detectado independentemente de sua posição na imagem da caixa.
- EAs camadas totalmente conectadas (Fully Connected) ocorrem no início da arquitetura para extrair as características espaciais da imagem antes que os filtros convolucionais façam a redução de dimensionalidade.