あるチームは、ドローンで撮影した写真の検査を自動化して、腐食した領域（写真ごとに複数の領域が存在する可能性あり）を見つける必要があります。腐食は写真全体の約0.1%にしか現れません。エンジニアは、腐食した各領域を緊急修理、定期メンテナンス、または処置不要に分類します。このソリューションを構築するために、チームはどのステップの組み合わせをとるべきですか？（3つ選択してください。）

オブジェクト検出モデルは、画像内の腐食領域を特定し、その位置を特定するのに適しています。これは、写真ごとに複数の領域が存在する可能性があるという要件を満たします。XGBoost分類器は、検出された腐食領域の深刻度（緊急修理、定期メンテナンス、処置不要）を予測するのに適しています。画像拡張は、腐食が写真全体の約0.1%にしか現れないというまれなクラスの例を増やすことで、モデルの汎化性能を向上させ、過学習を防ぐのに役立ちます。 Amazon Rekognitionのラベル検出は、画像全体にラベルを適用するため、腐食領域の特定には不十分です。k-meansクラスタリングは教師なし学習であり、腐食の深刻度というラベル付きの情報を判断するには不向きです。腐食を含まない画像に画像拡張を適用しても、まれなクラスの問題は解決されません。