Correction d’un modèle surapprenant sur petit dataset d’images

Scénario

Contexte : Un CNN atteint 100% de précision sur le train mais faible performance sur le test. Le Problème : Le dataset est limité et le modèle trop complexe. Extrait logique actuelle : Conv2D(64) -> Conv2D(128) -> Dense(512) Sans régularisation. Contraintes : Introduire dropout ou data augmentation simple. Réduire complexité si nécessaire. Comparer train/test. Livrable attendu : Proposer une correction permettant d’améliorer la généralisation du modèle.

Compétences ciblées