Un'azienda archivia video MP4 in Amazon S3 e in precedenza impiegava 4 mesi per etichettare tutti i frame video per un modello di classificazione del movimento. L'azienda deve riaddestrare il modello utilizzando il flusso di lavoro SageMaker esistente e desidera ridurre il tempo di etichettatura. Quale approccio ridurrà il tempo di etichettatura?

L'opzione corretta è utilizzare l'interfaccia di etichettatura di Amazon Augmented AI (Amazon A2I) con Amazon Rekognition per etichettare i frame video. Amazon Rekognition è un servizio di visione artificiale che può automatizzare l'etichettatura di oggetti, scene e attività nei video, riducendo significativamente il tempo di etichettatura manuale. Amazon A2I integra l'intervento umano per rivedere e convalidare le etichette di Rekognition, garantendo alta precisione e migliorando il modello nel tempo. Le altre opzioni sono meno efficaci per questo scenario: SageMaker Ground Truth è uno strumento di etichettatura, ma non offre l'automazione iniziale di Rekognition per ridurre drasticamente i tempi. SageMaker JumpStart fornisce modelli pre-addestrati, ma l'obiettivo qui è ridurre il tempo di etichettatura dei dati, non sviluppare un modello di etichettatura da zero. SageMaker Data Wrangler è per la preparazione e l'ingegnerizzazione dei dati, non per l'etichettatura automatizzata o semi-automatizzata.