한 팀에서 드론 사진 검사를 자동화하여 부식된 영역(사진당 여러 영역 가능)을 찾아야 합니다. 부식은 전체 사진의 약 0.1%에서만 나타납니다. 엔지니어는 각 부식 영역을 긴급 수리, 예정된 유지보수 또는 조치 불필요로 분류합니다. 이 솔루션을 구축하기 위해 팀은 어떤 단계를 조합하여 수행해야 할까요? (3개 선택)

드론 사진에서 부식된 영역을 식별하고 분류하려면 다단계 접근 방식이 필요합니다. 먼저, 사진 내에서 부식 영역의 위치를 정확히 파악해야 하므로 객체 감지 모델 훈련이 필수적입니다. 부식은 전체 사진의 0.1%만 차지하는 희귀 클래스이므로, 모델이 희귀 클래스를 더 잘 학습하도록 부식이 포함된 이미지에 이미지 증강을 적용하여 데이터 불균형을 해소해야 합니다. 마지막으로, 감지된 각 부식 영역에 대해 긴급 수리, 예정된 유지보수, 또는 조치 불필요와 같은 심각도/우선순위를 예측하기 위해 XGBoost 분류기를 훈련해야 합니다. Amazon Rekognition 레이블 감지는 이미지 전체에 대한 일반적인 레이블을 제공하지만, 이미지 내 특정 부식 영역을 감지하는 데는 적합하지 않습니다. k-평균 클러스터링은 심각도를 결정하는 데 직접적으로 사용되기보다는 데이터 그룹화를 위한 비지도 학습 방법입니다. 부식이 포함되지 않은 이미지에 이미지 증강을 적용하는 것은 희귀 클래스의 학습을 돕지 않으므로 데이터 불균형 문제 해결에