Fabrication : 750 classes de composants, environ 1000 exemples étiquetés par classe. Créez une application de reconnaissance de composants basée sur des photos en tant que MVP en quelques jours ouvrables. Quelle approche adoptez-vous ?

L'utilisation de Cloud Vision AutoML avec l'ensemble de données existant est la meilleure approche car elle permet de créer un modèle de reconnaissance d'images personnalisé rapidement, sans expertise en apprentissage automatique. AutoML est conçu pour des cas d'usage avec des milliers d'images par classe et des centaines de classes, ce qui correspond au scénario (750 classes, 1000 exemples/classe). Réduire l'ensemble de données (option 2) dégraderait la performance du modèle. Utiliser Cloud Vision API (option 3) ne permet pas de former un modèle personnalisé pour des classes spécifiques. Entraîner son propre modèle (option 4) est trop long et complexe pour un MVP à réaliser en quelques jours ouvrables.