Un'azienda agricola raccoglie immagini sovrapposte di un campo di 100 acri utilizzando telecamere montate su trattori e ha etichettato le immagini delle classi comuni di erbe infestanti. Hanno bisogno di un modello che rilevi tipi specifici di erbe infestanti e le loro posizioni nel campo e che fornisca inferenze in tempo reale su endpoint SageMaker. Quale approccio fornirà rilevamenti accurati dei tipi e delle posizioni delle erbe infestanti?

La risposta corretta è convertire le immagini in RecordIO e archiviarle in S3, quindi addestrare un modello di rilevamento di oggetti utilizzando un single-shot detector (SSD) in SageMaker. Il rilevamento di oggetti, come l'SSD, è l'approccio appropriato perché il problema richiede l'identificazione non solo del tipo di infestante (classificazione) ma anche della sua posizione specifica all'interno dell'immagine (localizzazione). RecordIO è un formato efficiente per l'archiviazione di dati di immagini per l'addestramento di modelli di deep learning in SageMaker. Le opzioni che propongono un modello di classificazione delle immagini sono errate perché la classificazione delle immagini etichetta l'intera immagine con una singola classe, senza fornire informazioni sulla posizione degli oggetti. L'utilizzo di Apache Parquet per le immagini non è l'approccio più comune o efficiente per l'addestramento di modelli di visione artificiale in SageMaker, che spesso beneficia di formati ottimizzati come RecordIO.