Ein Einzelhändler verwendet Fotos von oben von Produktregalen, um zu erkennen, welche Artikel entnommen wurden. Er hat 1.000 Bilder mit 10 verschiedenen Artikeln beschriftet, aber die Modellleistung ist schlecht. Welcher Ansatz erfüllt die langfristigen Anforderungen des Unternehmens am besten?

Die Erweiterung des Trainingsdatensatzes durch Data Augmentation (Rotationen, Verschiebungen, Spiegelungen) ist die beste langfristige Lösung. Sie erhöht die Robustheit des Modells gegenüber Variationen in den Eingabedaten, ohne neue Bilder manuell beschaffen zu müssen, was die Skalierbarkeit verbessert. Graustufenkonvertierung würde wichtige Farbinformationen entfernen, die zur Unterscheidung von Produkten nützlich sein könnten. Die Reduzierung der Klassenanzahl würde das Problem der schlechten Leistung nicht lösen, sondern nur aufschieben. Farbige Aufkleber sind eine kurzfristige, manuelle Lösung, die nicht skaliert und die natürliche Umgebung der Produkte verändert.