Transfer Learning com Redes Neurais Convolucionais
Transfer Learning com CNN reutiliza uma rede neural convolucional já treinada em um grande conjunto de dados — mais comumente ImageNet — e adapta seus detectores de características aprendidas a um novo conjunto de dados alvo, frequentemente menor. Isso permite que pesquisadores alcancem um forte desempenho em reconhecimento de imagem sem os enormes recursos computacionais e de dados necessários para treinar uma CNN 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.
+4 more
Fontes
- Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems (NeurIPS), 27, 3320–3328. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/pt/deep-learning/transfer-learning-with-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 convolucional ajustada finamenteAprendizado profundo↔ compare
- Classificação de ImagensAprendizado profundo↔ compare
- Detecção de ObjetosAprendizado profundo↔ compare
- Segmentação semânticaAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →