Sie haben einen beschrifteten Bilddatensatz mit zwei Klassen: Löwe oder Gepard. Sie möchten ein Modell trainieren, das bei einem neuen Bild vorhersagt, ob es einen Löwen oder einen Geparden enthält. Welche SageMaker-Algorithmuswahl ist geeignet?

Die Bildklassifizierung mit TensorFlow ist die geeignete Wahl, da sie darauf ausgelegt ist, ein einzelnes Label (Löwe oder Gepard) einem gesamten Bild zuzuweisen. Dies entspricht genau der Anforderung, zu bestimmen, ob ein Bild einen Löwen oder einen Geparden enthält. XGBoost (Gradient-Boosted Trees) ist ein Algorithmus für Tabellendaten und nicht für die direkte Bildverarbeitung geeignet. Die Objekterkennung würde mehrere Objekte in einem Bild lokalisieren und klassifizieren, was über die Anforderung hinausgeht, nur zu bestimmen, ob ein Löwe oder Gepard vorhanden ist. Die semantische Segmentierung würde Pixel-für-Pixel-Klassifizierungen durchführen, um die genauen Umrisse jedes Objekts zu identifizieren, was ebenfalls zu detailliert für die gestellte Aufgabe ist.