บริษัทสตาร์ทอัพด้านการเกษตรต้องการสร้างระบบ AI เพื่อระบุชนิดของโรคพืชจากรูปถ่ายใบไม้ แต่มีข้อมูลภาพโรคพืชเพียง 500 รูปต่อประเภท ซึ่งถือว่าน้อยมาก แนวทางใดเหมาะสมที่สุดในการแก้ปัญหาข้อมูลไม่เพียงพอนี้
กใช้เทคนิค Transfer Learning โดยนำโมเดลที่ฝึกจากภาพขนาดใหญ่มาปรับใช้ ร่วมกับ Data Augmentation เพื่อเพิ่มจำนวนภาพสำหรับการฝึกฝน
ขเพิ่มจำนวนชั้น Neural Network ให้มากขึ้นเพื่อให้โมเดลมีความซับซ้อนสูงขึ้น และสามารถเรียนรู้รูปแบบจากข้อมูลน้อยได้ดีกว่าเดิม
คใช้อัลกอริทึม K-Means Clustering เพื่อจัดกลุ่มภาพโรคพืชที่มีอยู่ และนำผลลัพธ์ไปฝึกโมเดล Classification โดยตรง
งเปลี่ยนไปใช้โมเดล Reinforcement Learning แทน เนื่องจากเหมาะสำหรับชุดข้อมูลขนาดเล็กและไม่ต้องการข้อมูลติดป้ายกำกับจำนวนมาก
เฉลยอธิบาย
Transfer Learning คือการนำโมเดลที่ถูกฝึกมาจากชุดข้อมูลขนาดใหญ่ เช่น ImageNet มาปรับใช้กับงานใหม่ ทำให้ไม่ต้องเริ่มต้นจากศูนย์และใช้ข้อมูลน้อยกว่า ร่วมกับ Data Augmentation ที่สร้างภาพใหม่ด้วยการหมุน พลิก ปรับแสงจากภาพเดิม ช่วยเพิ่มความหลากหลายของข้อมูล ซึ่งเป็นแนวทางมาตรฐานที่นิยมใช้แก้ปัญหา Small Dataset ในงาน Image Classification ตัวเลือกอื่นไม่เหมาะสม เพราะการเพิ่มชั้น Network กับข้อมูลน้อยจะเกิด Overfitting, K-Means เป็น Unsupervised Learning ไม่เหมาะกับงาน Classification และ Reinforcement Learning ต้องการสภาพแวดล้อมการโต้ตอบไม่ใช่การจำแนกภาพ