Rede neural convolucional ajustada finamente
Ajustar finamente uma CNN significa começar com uma rede já treinada em um grande conjunto de dados — tipicamente ImageNet — e continuar o treinamento em um conjunto de dados alvo menor, de modo que o modelo adapte suas características visuais aprendidas a uma nova tarefa. Essa abordagem reduz drasticamente os dados e a computação necessários para atingir um forte desempenho em comparação com o treinamento do zero.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Fontes
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27. link ↗
- Tajbakhsh, N., Shin, J. Y., Gurudu, S. R., Hurst, R. T., Kendall, C. B., Gotway, M. B., & Liang, J. (2016). Convolutional neural networks for medical image analysis: Full training or fine tuning? IEEE Transactions on Medical Imaging, 35(5), 1299–1312. DOI: 10.1109/TMI.2016.2535302 ↗
Como citar esta página
ScholarGate. (2026, June 3). Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning). ScholarGate. https://scholargate.app/pt/deep-learning/fine-tuned-convolutional-neural-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Rede Neural Recorrente Ajustada FinamenteAprendizado profundo↔ compare
- Vision Transformer (ViT) AjustadoAprendizado profundo↔ compare
- Classificação de ImagensAprendizado profundo↔ compare
- Detecção de ObjetosAprendizado profundo↔ compare
- Transfer Learning com Redes Neurais ConvolucionaisAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →