一家美容用品零售商希望根据多年的安保视频生成每小时的到店访客报告。该报告必须按发型和发色对访客进行分类。哪种方法所需的开发工作量最少？

此方法开发工作量最少，因为它利用了现有的、预训练的深度学习模型。对象检测模型可以有效地定位视频帧中的头发区域，而ResNet-50是一种强大的卷积神经网络，在图像分类任务上表现出色，可以直接用于发型和发色分类。 其他选项为什么不正确： 将头发裁剪区域传递给XGBoost模型：XGBoost是基于树的模型，更适合结构化数据，不擅长直接处理图像像素数据，需要大量特征工程，增加了开发工作量。 使用语义分割模型：语义分割比对象检测更复杂，需要像素级别的标注，训练成本和开发工作量更高。 将分割后的头发图像传递给XGBoost模型：同理，XGBoost不适合直接处理图像，且语义分割本身增加了复杂性。