某 AI 科技公司在工業缺陷檢測領域已有成熟的辨識產品經驗。現欲與新客戶合作開發一項類似產品的表面瑕疵檢測系統，但因新產品量產不久，標註樣本極為稀少且專家標註成本高昂。在不大幅增加標註預算的前提下，利用該公司既有的技術優勢來提升模型表現？
iPAS 考題解析
某 AI 科技公司在工業缺陷檢測領域已有成熟的辨識產品經驗。現欲與新客戶合作開發一項類似產品的表面瑕疵檢測系統，但因新產品量產不久，標註樣本極為稀少且專家標註成本高昂。在不大幅增加標註預算的前提下，利用該公司既有的技術優勢來提升模型表現？
- A. 增加模型參數規模，使模型具備更強表達能力
- B. 透過資料增強（Data Augmentation）擴展影像變化，以提升模型穩定性
- C. 重新蒐集大量影像並進行完整人工標註
- D. 採用遷移學習（Transfer Learning），利用既有預訓練模型進行調整 ✓ 正確答案
詳細解析
公司在工業缺陷檢測領域有成熟經驗，可利用既有的預訓練模型透過遷移學習（Transfer Learning）轉移到新產品的瑕疵檢測任務。這樣只需少量標註資料就能獲得良好效果，不需大幅增加標註預算。
出題年份：115 難度：★★☆