Um restaurante de serviço rápido deseja contar os clientes na fila de um caixa e alertar os gerentes quando a fila estiver muito longa. Os locais têm largura de banda de saída muito limitada e não conseguem transmitir vários vídeos para a nuvem. Qual solução melhor atende à restrição de largura de banda e entrega os alertas de comprimento da fila?

A opção correta é a única que aborda a limitação de largura de banda ao realizar a inferência localmente. Treinar um modelo personalizado no SageMaker e implantá-lo em dispositivos AWS DeepLens permite que a contagem de pessoas ocorra na borda (edge), ou seja, nos próprios restaurantes. A função Lambda executada localmente no DeepLens pode então enviar uma notificação SNS apenas quando a fila estiver muito longa, minimizando o tráfego de saída. As opções incorretas falham em resolver a restrição de largura de banda. A primeira e a terceira opções exigem a transmissão de fluxos de vídeo ou imagens para a nuvem (Kinesis Video Streams, Amazon Rekognition ou endpoint SageMaker), o que consome muita largura de banda. A segunda opção usa o AWS DeepLens, mas habilita o Amazon Rekognition na nuvem, o que ainda requer o envio de dados para processamento externo.