Fertigung: 750 Komponentenklassen, ca. 1000 beschriftete Beispiele pro Klasse. Entwickeln Sie eine fotobasierte Komponentenerkennungs-App als MVP innerhalb weniger Arbeitstage. Welchen Ansatz wählen Sie?

Die Verwendung von Cloud Vision AutoML mit dem vorhandenen Datensatz ist die effizienteste Lösung für ein MVP innerhalb weniger Arbeitstage. AutoML Vision ist darauf ausgelegt, benutzerdefinierte Bildklassifizierungsmodelle mit minimalem Aufwand und ohne spezielle ML-Kenntnisse zu trainieren, was die Entwicklungszeit erheblich verkürzt. Der Datensatz von 750 Klassen und 1000 Beispielen pro Klasse ist für AutoML Vision gut geeignet. Das Reduzieren des Datensatzes würde die Modellgenauigkeit beeinträchtigen. Die Cloud Vision API ist eine vortrainierte API für allgemeine Erkennungsaufgaben, unterstützt aber keine benutzerdefinierten Komponentenklassen, selbst mit Labels nicht. Das Training eines eigenen Modells mit Transfer Learning würde zwar Flexibilität bieten, erfordert aber mehr Zeit und Fachwissen als für ein MVP in wenigen Tagen realistisch ist.