De Pixels a Padrões
Mova o X e observe a estabilidade 🖱️
entrada (X deslocado)
9 × 9 pixels
sensível à posição
sensível à posição
→
resposta robusta
3 × 3 regiões
estável à posição
estável à posição
cada célula = intensidade máxima detectada em uma região da imagem
X original
—
X deslocado (bruto)
—
resposta robusta (deslocado)
—
Por que isso funciona?
1
Problema: pixels isolados são frágeis
Deslocar o X muda quais posições têm valor 1. Um sistema que compara pixels um a um não reconhece que é o mesmo objeto.
2
Solução: detecção de características
Ao invés de olhar pixels individualmente, vamos buscar características (e.g. diagonais) em regiões da imagem, tornando a detecção mais robusta.
3
Resultado: representação compacta e estável
Mova o X nos sliders. Os pixels mudam de posição, mas a resposta robusta (3×3) permanece semelhante — capturando o que está na imagem, não onde exatamente.
💡
Ideia central: comprimir a imagem numa grade de intensidades regionais torna a representação muito menos sensível à posição exata dos pixels — e muito mais útil para reconhecer objetos. O próximo bloco mostra como redes neurais implementam isso automaticamente.