Avaliação de Técnicas de Transferência de Aprendizado em CNNs

Bernardo Augusto Godinho de Oliveira¹; Pedro Augusto Pinho Ferraz¹; Thiago Melo Machado Coelho²; Alvaro Rungue¹; Willian Antonio dos Santos¹; Flávia Magalhães¹; Luís Fabrício Wanderley Góes¹; Gustavo Soares¹; Carlos Augusto Paiva da Silva Martins¹

¹ PUC Minas; ² UFMG

Baixar PDF doi:10.20906/CPS/CBA2018-1167

Resumo

As redes neurais convolucionais (CNNs) demandam uma quantidade considerável dados para obter desempenho satisfatório, estes dados muitas vezes podem ser de difícil obtenção ou de alto custo. Nesse contexto, as técnicas de transferência de aprendizado têm sido utilizadas 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.

Palavras-chave: Transferência de Aprendizado; Aprendizado Profundo; Detecção de Objetos