iPAS 考題解析資料增強(Data Augmentation)導致模型效能下降的可能原因為何?
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. 增強後的特徵分佈與原始資料不一致,應檢查語意一致性
資料增強(Data Augmentation)如果做得不好(例如過度旋轉讓圖片失去意義、翻譯後語意改變),增強出來的資料特徵分佈會和原始資料不同,模型反而學到錯誤的模式。
每個選項為什麼對或錯
-
A 未經隨機初始化處理 錯誤選項
隨機初始化是模型權重的問題,和資料增強(Data Augmentation)無直接關係
-
B 增強後的特徵分佈與原始資料不一致,應檢查語意一致性 正解
-
C 增強比例過高 錯誤選項
比例過高本身不一定是問題,關鍵是增強的品質和一致性
-
D 標註可信度下降 錯誤選項
資料增強(Data Augmentation)通常不改變標註,標註可信度不是主因
答案、題目或解析有問題?回報這題