Ein Unternehmen speichert MP4-Videos in Amazon S3 und benötigte zuvor 4 Monate, um alle Videobilder für ein Bewegungs-Klassifizierungsmodell zu labeln. Das Unternehmen muss das Modell mit dem bestehenden SageMaker-Workflow neu trainieren und möchte die Labeling-Zeit reduzieren. Welcher Ansatz wird die Labeling-Zeit verkürzen?

Die Verwendung der Labeling-Oberfläche von Amazon Augmented AI (Amazon A2I) mit Amazon Rekognition ist die effektivste Lösung. Amazon Rekognition kann automatisch Objekte, Szenen und Aktivitäten in Videos erkennen, was den Großteil der manuellen Labeling-Arbeit eliminiert. Amazon A2I ermöglicht es dann menschlichen Reviewern, die von Rekognition generierten Labels zu überprüfen und bei Bedarf zu korrigieren, wodurch die Genauigkeit gewährleistet und die Gesamtzeit für das Labeling erheblich verkürzt wird. SageMaker Ground Truth ist zwar eine Labeling-Lösung, aber ohne die Vorverarbeitung durch einen Dienst wie Rekognition müsste immer noch jede Videobild manuell annotiert werden, was den Zeitaufwand nicht ausreichend reduziert. SageMaker JumpStart bietet vortrainierte Modelle, die jedoch für das Training eines Labeling-Modells verwendet werden müssten, was einen zusätzlichen Entwicklungsschritt darstellt und nicht direkt die Labeling-Zeit verkürzt. SageMaker Data Wrangler ist ein Tool zur Datenaufbereitung und -transformation, nicht zum Labeling selbst.