ある企業はMP4動画をAmazon S3に保存しており、以前はモーション分類モデルのすべての動画フレームにラベルを付けるのに4か月かかっていました。既存のSageMakerワークフローを使用してモデルを再トレーニングし、ラベリング時間を短縮したいと考えています。ラベリング時間を短縮するアプローチはどれですか？

Amazon Rekognitionは、動画フレームからオブジェクト、シーン、アクティビティを自動的に識別する機能を提供し、手動でのラベリング作業を大幅に削減します。Amazon A2Iは、Rekognitionが自信を持って分類できないフレームに対して人間のレビューを組み込むことで、自動ラベリングの精度を維持しつつ、ラベリングプロセス全体の効率を向上させます。これにより、以前4ヶ月かかっていたラベリング時間を短縮できます。SageMaker Ground Truthは画像や動画のラベリングサービスですが、Rekognitionのような事前構築された自動化機能を持たないため、ゼロからのラベリング作業には時間がかかります。SageMaker JumpStartは事前学習済みモデルを提供しますが、ラベリングプロセスの自動化に直接寄与するものではありません。SageMaker Data Wranglerはデータ準備ツールであり、ラベリングプロセスの最適化には直接関係ありません。