Uma empresa precisa classificar imagens de objetos usando recursos específicos de seu conjunto de dados. Qual opção exige o menor trabalho de desenvolvimento e, ao mesmo tempo, atende a essa necessidade?

Ajustar um modelo de deep learning pré-treinado (transfer learning) exige o menor trabalho de desenvolvimento porque o modelo já aprendeu a extrair características genéricas de um grande conjunto de dados. Isso permite que ele seja rapidamente adaptado a um novo conjunto de dados menor com menos dados e tempo de treinamento. Aplicar algoritmos tradicionais de machine learning ou treinar uma SVM com recursos extraídos manualmente exigiria um esforço significativo para projetar e extrair recursos eficazes, o que é complexo para imagens. Construir uma GAN é um processo complexo e demorado, geralmente usado para geração de dados, não para classificação direta.