一位 ML 工程師使用 Data Wrangler 訓練了一個事故偵測模型，並取得了良好的訓練/驗證結果，但由於攝影機影像品質不一，導致生產環境的效能不佳。哪項改變能最快地提高準確度？

正確答案是使用 Data Wrangler 中的 corrupt image transform 並搭配 impulse-noise 選項，重新建立訓練資料集。由於生產環境的效能不佳是由於攝影機影像品質不一所致，這表示模型在訓練時未充分接觸到低品質影像。使用 corrupt image transform 並搭配 impulse-noise 選項，可以在訓練資料集中引入類似真實世界中因攝影機品質不佳而產生的雜訊，從而提高模型對此類影像的魯棒性和準確度。 收集額外影像並不能保證新影像能涵蓋所有品質不一的情況，且耗時較長。增強影像對比度或裁切影像大小，並不能解決影像品質不一導致的雜訊問題，反而可能改變影像特徵，影響模型效能。