iPAS 考題解析一家工廠要用歷年瑕疵照片判斷產品是否有刮痕,資料包含數萬張已標註影像,且刮痕形狀與位置差異很大。下列哪種做法最符合需求?
你的作答
在題目頁作答不會存進學習紀錄,想留下紀錄可以到題庫練習。
解析
正確答案:B. 使用能從影像自動學習空間特徵的卷積神經網路進行分類
刮痕的位置、形狀與紋理屬於影像中的複雜空間特徵。卷積神經網路能從大量已標註影像自動學習這些特徵,再判斷新影像是否有瑕疵。檔名、產品編號奇偶或平均顏色都沒有保留辨識刮痕所需的局部視覺資訊。
每個選項為什麼對或錯
-
A 把每張影像的檔名長度當作主要特徵,再用線性迴歸預測 錯誤選項
檔名長度與刮痕外觀沒有合理的因果關係。
-
B 使用能從影像自動學習空間特徵的卷積神經網路進行分類 正解
卷積神經網路適合從影像中學習邊緣、紋理與位置等特徵。
-
C 只依產品編號的奇偶數判斷是否瑕疵 錯誤選項
產品編號的奇偶數不是瑕疵成因,容易形成無效規則。
-
D 將所有影像轉成同一個平均顏色後再比較 錯誤選項
平均顏色會抹去刮痕所在的局部細節。
答案、題目或解析有問題?回報這題