あるEコマース企業が、製品画像を製品ライン別に分類しています。画像分類アルゴリズムでトレーニングされたコンピュータービジョンモデルは、新製品に対する精度が低いという課題を抱えています。画像は均一なサイズで、クラウドオブジェクトストレージに保存されています。同社は、新製品へのデプロイをより迅速に改善する必要があります。精度を向上させるには、どのステップを実行しますか？（3つ選択してください。）

画像分類モデルの精度が低い場合、データ拡張はモデルがより多様なデータに触れることで汎化能力を高めます。ピクセル正規化と画像スケーリングは、モデルが画像の特徴を効果的に学習するために不可欠な前処理ステップです。クラスの不均衡は、モデルが少数派クラスを無視する原因となるため、オーバーサンプリングやアンダーサンプリングで対処することで、モデルがすべてのクラスを公平に学習できるようになります。セマンティックセグメンテーションはピクセルレベルの分類であり、製品ラインの画像分類には不適切です。汎用画像認識APIは、製品固有の分類には精度が不十分な場合があります。カスタムラベルの画像認識サービスは、既存のモデルの改善ではなく、新しいモデルの構築を提案しており、直接的な精度向上策ではありません。