iPAS AI 應用規劃師中級 115 年第一次 科一 第 36 題 詳解

115 年第一次 科一 人工智慧技術應用與規劃

某公司希望開發一個工業零件瑕疵辨識分類模型，共有10個類別，但每類僅約50張人工標註影像（總計約500張）。由於標註成本高昂，短期內無法擴充資料集。在此情境下，工程師需要在有限標註資料下建構高效能模型。請問下列哪一種策略最為適合？

1. A使用在大型資料集預訓練完成的卷積神經網路（CNN），並進行遷移學習微調（正確答案）

   預訓練特徵搭配微調，最能在500張標註下拉高效能。

2. B從頭訓練大型Vision Transformer（ViT），完全使用現有500張影像

   ViT資料需求極大，從頭訓練必然嚴重過擬合。

3. C使用K-means對影像進行分群，並直接將群集結果作為分類模型輸出

   分群是非監督式，群集不等於10個指定瑕疵類別。

4. D複製既有的資料以增加標註影像數量，並從頭訓練深度CNN模型

   單純複製不增加資訊量，只會放大過擬合。