Une entreprise doit classer des images d'objets en utilisant des caractéristiques spécifiques à son jeu de données. Quelle option nécessite le moins de travail de développement tout en répondant à ce besoin ?

L'utilisation d'un modèle de deep learning pré-entraîné, suivie d'un affinage (fine-tuning) sur le jeu de données spécifique de l'entreprise, est la solution qui demande le moins de travail de développement. Ces modèles ont déjà appris des caractéristiques génériques sur de vastes ensembles de données, ce qui réduit considérablement le besoin d'extraction manuelle de caractéristiques et le temps d'entraînement. Les algorithmes d'apprentissage automatique traditionnels et les SVM nécessitent une extraction de caractéristiques personnalisée et manuelle, ce qui est chronophage. Les GANs sont complexes et sont principalement utilisés pour la génération de données, pas directement pour la classification simple.