Uma empresa armazena vídeos MP4 no Amazon S3 e anteriormente levava 4 meses para rotular todos os quadros de vídeo para um modelo de classificação de movimento. Eles precisam retreinar o modelo usando o fluxo de trabalho existente do SageMaker e querem reduzir o tempo de rotulagem. Qual abordagem diminuirá o tempo de rotulagem?

A opção correta é usar a interface de rotulagem do Amazon Augmented AI (Amazon A2I) com o Amazon Rekognition para rotular os quadros de vídeo. O Amazon Rekognition é um serviço de visão computacional que pode automatizar a detecção de objetos, atividades e cenas em vídeos, reduzindo significativamente a necessidade de rotulagem manual. O Amazon A2I integra-se ao Rekognition para fornecer revisão humana quando a confiança do modelo é baixa, garantindo alta precisão e acelerando o processo geral de rotulagem. As outras opções são menos eficazes para este cenário: O SageMaker Ground Truth é uma ferramenta de rotulagem de dados, mas não oferece a automação de rotulagem de vídeo que o Rekognition proporciona, o que é crucial para reduzir o tempo. O SageMaker JumpStart fornece modelos pré-treinados, mas o problema aqui é a rotulagem dos dados de entrada, não o desenvolvimento do modelo de classificação de movimento em si. O SageMaker Data Wrangler é para preparação e engenharia de dados, não para automação de rotulagem de vídeo.