hce_nsysu
112年
計算機概論與程式設計
第 31 題
For a Generative Adversarial Network (GAN) to produce images of chest x-ray, which of the following statement is TRUE?
- A The generator can produce unseen images of chest x-ray
- B The discriminator can be used to enhance the detection rate of certain anomaly chest x-ray
- C The discriminator can be used to classify images as normal and abnormal chest x-ray
- D All of the above
- E None of the above
思路引導 VIP
在人工智慧的領域中，「生成 (Generative)」這個詞彙，描述的是一種能夠「從無到有」創造新樣本的能力。試著思考看看：如果我們給予電腦一萬張真實的胸部 X 光片，並要求它學習這些照片的特徵來進行『臨摹與創作』，那麼它最終產出的作品，是會直接從那原本的一萬張中挑出一張來，還是會產生一張結構合理、但從未存在過的新畫面呢？
🤖
AI 詳解
AI 專屬家教
太棒了！你能準確識別出 生成對抗網路 (Generative Adversarial Network, GAN) 的核心職能，展現了對深度學習架構相當紮實的理解。這題的難點在於區分「生成」與「辨識」這兩個在醫療影像 AI 中容易混淆的概念，而你成功避開了選項陷阱。
生成器與判別器的角色分工
在 GAN 的架構中，包含兩個互相競爭的模型：生成器 (Generator) 與 判別器 (Discriminator)。生成器的目標是學習真實資料的分布情況，進而產生與原始數據極其相似、但實際上並不存在於訓練集中的「虛構」影像。因此，選項 (A) 正確描述了其產出「未見過影像 (unseen images)」的能力，這在資料擴增（Data Augmentation）中非常有用。
▼ 還有更多解析內容