Une entreprise stocke des vidéos MP4 dans Amazon S3 et a précédemment mis 4 mois à étiqueter toutes les images vidéo pour un modèle de classification de mouvement. Elle doit réentraîner le modèle en utilisant le workflow SageMaker existant et souhaite réduire le temps d'étiquetage. Quelle approche réduira le temps d'étiquetage ?

L'approche correcte est d'utiliser l'interface d'étiquetage d'Amazon Augmented AI (Amazon A2I) avec Amazon Rekognition. Amazon A2I est conçu pour les workflows de révision humaine des prédictions d'apprentissage automatique. En l'associant à Amazon Rekognition, un service de vision par ordinateur qui peut détecter des objets, des scènes et des activités dans les vidéos, l'entreprise peut automatiser une partie de l'étiquetage. Rekognition peut pré-étiqueter les images, et A2I permet aux humains de réviser et de corriger rapidement ces étiquettes, réduisant ainsi considérablement le temps d'étiquetage manuel. Utiliser SageMaker Ground Truth pour annoter les images vidéo serait une solution d'étiquetage manuel ou semi-automatisé, mais n'exploiterait pas l'automatisation avancée de Rekognition pour les pré-étiquetages. SageMaker JumpStart fournit des modèles pré-entraînés, mais pas directement un outil pour accélérer l'étiquetage des données brutes. SageMaker Data Wrangler est un outil de préparation de données, pas un outil d'étiquetage ou d'automatisation de l'étiquetage.