FC ConcursosFC Concursos

Questão FC546362

Em projetos de modelos que envolvem visão computacional, técnicas transfer learning são frequentemente utilizadas para melhorar o desempenho e reduzir o tempo de desenvolvimento. L

Inteligência Artificial (IA)

FUNDATEC · 2025

Em projetos de modelos que envolvem visão computacional, técnicas transfer learning são frequentemente utilizadas para melhorar o desempenho e reduzir o tempo de desenvolvimento. Levando em consideração os conceitos relacionados à transfer learning, assinale a alternativa correta.

  1. Quando se utiliza transfer learning, uma vez que o modelo é carregado, não é possível ajustar seus pesos para melhorar a performance na tarefa-alvo.
  2. O transfer learning permite reutilizar modelos pré-treinados em grandes conjuntos de dados, como, por exemplo, o ImageNet, para aplicações específicas.
  3. As técnicas de transfer learning não são adequadas para aplicações que envolvem reconhecimento facial devido à necessidade de dados específicos.
  4. Durante o treinamento de redes convolucionais, os pesos iniciais sempre começam com valores aleatórios, independentemente de ser um modelo pré-treinado ou não.
  5. O transfer learning consiste em treinar um modelo raso desde o princípio, utilizando apenas o conjunto de dados da aplicação específica, sem considerar modelo pré-treinados.
Mostrar resposta e comentário

Gabarito

B

Comentário do professor

Transfer learning consiste em reaproveitar um modelo já treinado em um grande conjunto de dados, como ImageNet, para resolver uma tarefa específica com menos esforço. Modelos pré-treinados já capturam padrões visuais básicos (bordas, texturas, formas), que são úteis em novas aplicações.

Na prática, usa-se o modelo pré-treinado como ponto de partida: mantêm-se camadas iniciais para extração de características e substitui-se ou ajusta-se as camadas finais para a nova tarefa. Essa abordagem reduz a necessidade de grandes quantidades de dados rotulados e acelera o treinamento.

O processo pode incluir fine-tuning, que é ajustar alguns pesos do modelo pré-treinado com os dados da aplicação, afinando a representação para o problema alvo. Assim obtém-se melhor desempenho e convergência mais rápida do que treinar uma rede do zero.

Conteúdo do catálogo FC Concursos · Atualizado em

Continue aprendendo