Ein Team muss die Inspektion von Drohnenfotos automatisieren, um korrodierte Bereiche zu finden (mehrere Bereiche pro Foto möglich). Korrosion tritt nur in etwa 0,1 % der Fotos auf. Ingenieure kategorisieren jeden korrodierten Bereich als dringende Reparatur, geplante Wartung oder keine Maßnahme. Welche Kombination von Schritten sollte das Team unternehmen, um diese Lösung zu erstellen? (Wählen Sie drei.)

Das Training eines Objekterkennungsmodells ist notwendig, um die genauen Positionen korrodierter Bereiche innerhalb der Fotos zu identifizieren, da es sich um eine Lokalisierungsaufgabe handelt. Ein XGBoost-Klassifikator ist eine geeignete Wahl, um den Schweregrad oder die Priorität der erkannten Korrosionsbereiche zu bestimmen, da es sich um eine Klassifizierungsaufgabe handelt, die auf extrahierten Merkmalen basiert. Die Anwendung von Bild-Augmentierung auf Bilder mit Korrosion ist entscheidend, um die seltene Klasse zu überrepräsentieren und das Modell besser auf die Erkennung von Korrosion vorzubereiten, da Korrosion nur in 0,1 % der Fotos auftritt. Amazon Rekognition ist nicht ideal, da es sich um eine benutzerdefinierte Objekterkennung handelt, die über die Standardfunktionen von Rekognition hinausgeht. k-Means-Clustering ist eine unüberwachte Methode und ungeeignet für die Bestimmung des Schweregrads, der eine überwachte Klassifizierung erfordert. Die Augmentierung von Bildern ohne Korrosion würde das Ungleichgewicht nicht beheben, sondern möglicherweise verschlimmern.