Quel algorithme Amazon SageMaker est approprié lorsqu'un modèle doit à la fois identifier un objet dans une image et renvoyer sa position dans l'image ?

La détection d'objets est l'algorithme SageMaker approprié car il permet non seulement d'identifier la présence d'un objet dans une image (classification), mais aussi de localiser cet objet en fournissant ses coordonnées sous forme de boîtes englobantes. La classification d'images se contente d'attribuer une étiquette à l'image entière, sans localiser l'objet. XGBoost est un algorithme d'apprentissage supervisé utilisé pour les problèmes de régression et de classification tabulaires, et non pour l'analyse d'images. Le K-plus proches voisins (k-NN) est un algorithme non paramétrique utilisé pour la classification et la régression, mais il n'est pas conçu pour la détection spatiale d'objets dans des images.