Descrição: O treinamento de redes neurais profundas com pequenos conjuntos de dados é um desafio em diversos casos. Isso pode ocorrer quando o fenômeno de interesse é imprevisível ou extremamente raro. Neste trabalho, analisamos o desempenho da classificação realizada pelas redes profundas ResNet 50, EfficientNet B2 e do Ensemble entre elas. O conjunto de dados utilizado é um banco de imagens simuladas de um fenômeno físico bastante raro: o lenteamento gravitacional. Foram feitos ajustes nos modelos, com o objetivo de obter o melhor desempenho com o menor conjunto de dados de treinamento. Testamos os modelos com diferentes quantidades de dados, analisando o desempenho de cada um a partir da métrica AUC (área sob a curva ROC). O melhor desempenho em um conjunto restrito a 80 imagens de treino foi obtido através de um ensemble dos dois modelos de redes neurais profundas com uma AUC 0,796.

Número: CBPF-NT-001/21