ScholarGate
Assistente
Machine learningDeep learning / NLP / CV

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.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

The neighbourhood of related methods — select a node to explore.

+6 more

Fontes

  1. 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
  2. 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.

Compare side by side

Referenciado por

ScholarGateFine-Tuned Convolutional Neural Network (Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning)). Recuperado em 2026-06-15 de https://scholargate.app/pt/deep-learning/fine-tuned-convolutional-neural-network · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026