AVALIAÇÃO DE TÉCNICAS DE TRANSFERÊNCIA DE APRENDIZADO EM CNNS

BERNADO AUGUSTO GODINHO DE OLIVEIRA; PEDRO  AUGUSTO PINHO FERRAZ; THIAGO  MELO MACHADO COELHO; ALVARO RUNGUE; WILLIAN  ANTONIO DOS SANTOS; FLÁVIA MAGALHÃES; LUÍS  FABRÍCIO WANDERLEY GÓES; GUSTAVO  SOARES; CARLOS  AUGUSTO PAIVA DA SILVA MARTINS

doi:10.20906/CBA2022/703

BERNADO AUGUSTO GODINHO DE OLIVEIRA PUC Minas
PEDRO AUGUSTO PINHO FERRAZ PUC Minas
THIAGO MELO MACHADO COELHO UFMG - Universidade Federal de Minas Gerais
ALVARO RUNGUE PUC Minas
WILLIAN ANTONIO DOS SANTOS PUC Minas
FLÁVIA MAGALHÃES PUC Minas
LUÍS FABRÍCIO WANDERLEY GÓES PUC Minas
GUSTAVO SOARES PUC Minas
CARLOS AUGUSTO PAIVA DA SILVA MARTINS PUC Minas

DOI: https://doi.org/10.20906/CBA2022/703

Keywords: Transferência de aprendizado, Aprendizado profundo, Detecção de objetos

Abstract

As redes neurais convulsionais (CNNs) demandam uma quantidade considerável dados para obter desempenho satisfatório, estes dados muitas vezes podem ser de difícil obtenção ou de alto custo. Nesse com texto, a técnica de transferência de aprendizado tem sido utilizada com sucesso para reduzir estes dados e, muitas vezes, aumentam o desempenho final da rede. O objetivo deste trabalho é comparar diferentes técnicas de transferência de aprendizado e analisar os resultados obtidos em cada uma delas. Os resultados mostram que o retreinamento apenas das camadas finais aumenta o desempenho da rede em 2.5 vezes em comparação com o retreino completo, e 6.54 vezes em comparação com o treinamento puro.