某食品加工廠建立水果瑕疵檢測系統，已蒐集約 10,000 張影像，其中 2,000 張已完成「正常」、「碰傷」及「病斑」標註，其餘 8,000 張尚未完成標註。公司希望在降低人工標註成本的前提下，提升影像分類模型的辨識能力。下列何種作法最適合？
答案 （B）
核心概念
少量有標籤加大量沒標籤，又想省標註成本，就是半監督式學習的場景。
2,000 張有標籤、8,000 張沒有，全部人工標完成本太高。半監督式學習（Semi-supervised Learning）的做法：先用有標籤的資料訓練一個模型，再讓它對未標籤影像做預測，把有把握的預測當作偽標籤（Pseudo-label）加回訓練，模型就能從 8,000 張裡再學到東西。
本題詳解提到同卷第 1 題。
答題技巧
快速判斷技巧：「部分已標註」加「降低標註成本」，答案是半監督式學習（Semi-supervised Learning）。 ・少量標籤加大量未標籤 → 半監督式 ・全部有標籤 → 監督式 ・完全沒標籤、要分組 → 分群
易錯陷阱：(C) 分群拿來當標籤看起來很聰明，好像不用人工就有答案。 關鍵差異：分群只知道「像不像」，不知道「是什麼」，群跟病害類別對不上。 本卷第 1 題考全部有標籤、第 22 題考部分有標籤，兩題合起來就是這個考點的完整版。