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？

解析

正確答案：D. 採用遷移學習（Transfer Learning），利用既有預訓練模型進行調整

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。

每個選項為什麼對或錯

• A 增加模型參數規模，使模型具備更強表達能力 錯誤選項

  增加參數規模在樣本稀少時容易過擬合，且不利用既有經驗。

• B 透過資料增強（Data Augmentation）擴展影像變化，以提升模型穩定性 錯誤選項

  資料增強可輔助但不能根本解決樣本稀少問題，且未利用公司既有技術優勢。

• C 重新蒐集大量影像並進行完整人工標註 錯誤選項

  大量人工標註違反不增加標註預算的前提。

• D 採用遷移學習（Transfer Learning），利用既有預訓練模型進行調整 正解

  遷移學習利用既有預訓練模型，少量樣本即可調整，最適合此場景（正確答案）。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。