Escolar Documentos
Profissional Documentos
Cultura Documentos
RESUMO
O código implementa um treinamento de uma Rede Neural Convolucional (CNN) utilizando a
arquitetura ResNet para classificação de imagens. O conjunto de dados STL-10 é utilizado
para treinamento e teste. O modelo é adaptado para lidar com 10 classes de imagens. O
treinamento é realizado por 50 épocas, utilizando transformações de dados e técnicas de
aumento de dados. O objetivo é melhorar a acurácia do modelo além de 85%, permitindo
ajustes em hiperparâmetros, transformações de dados e outros aspectos da arquitetura da rede.
Palavras-chave: Rede Neural Convolucional, Deep Learn.
ABSTRACT
The code implements the training of a Convolutional Neural Network (CNN) using the
ResNet architecture for image classification. The STL-10 dataset is employed for both
training and testing purposes. The model is tailored to handle 10 image classes. Training
spans 50 epochs, incorporating data transformations and augmentation techniques. The
primary objective is to enhance the model's accuracy beyond 85%, allowing for adjustments
to hyperparameters, data transformations, and other aspects of the network architecture.
Key words: Convolutional Neural Network, Deep Learn.
1 INTRODUÇÃO
Estas conclusões, além de oferecerem insights práticos, estabelecem uma base para
pesquisas futuras em visão computacional. A interpretabilidade do modelo e experimentações
com outras arquiteturas representam direções promissoras para avanços nesta área dinâmica
do aprendizado profundo.
4 REFERÊNCIAS