Una empresa tiene transmisiones de video de una estación de metro y necesita un modelo que alerte al gerente cuando los pasajeros cruzan la línea de seguridad amarilla mientras no hay ningún tren presente. El modelo debe detectar la línea amarilla, las personas que la cruzan y los trenes. La detección de objetos con cuadros delimitadores no separó claramente la línea, las personas y los trenes. ¿Qué enfoque de etiquetado mejorará más eficazmente el modelo manteniendo la privacidad de los datos de video?

La segmentación semántica es la técnica más adecuada porque permite etiquetar cada píxel de la imagen, lo que es crucial para distinguir la línea de seguridad, las personas y los trenes con precisión. Esto supera las limitaciones de la detección de objetos con cuadros delimitadores, que solo proporciona ubicaciones generales y no detalles finos. Utilizar una fuerza de trabajo privada garantiza la privacidad de los datos de video, un requisito clave. Amazon Rekognition Custom Labels es para casos de uso más sencillos y no ofrece la granularidad de la segmentación semántica. Contratar trabajadores de Mechanical Turk o de terceros del AWS Marketplace comprometería la privacidad de los datos.