한 회사에서 MP4 비디오를 Amazon S3에 저장하고 있으며, 모션 분류 모델의 모든 비디오 프레임에 레이블을 지정하는 데 이전에 4개월이 걸렸습니다. 기존 SageMaker 워크플로를 사용하여 모델을 재학습해야 하며 레이블링 시간을 단축하고자 합니다. 레이블링 시간을 줄일 수 있는 접근 방식은 무엇입니까?

정답은 Amazon Rekognition과 Amazon A2I를 사용하는 것입니다. Amazon Rekognition은 비디오 프레임에서 객체, 활동 및 장면을 자동으로 감지하고 레이블을 지정할 수 있는 강력한 컴퓨터 비전 서비스입니다. Amazon A2I는 Rekognition의 자동 레이블링 결과를 검토하고 정확성을 높이기 위해 수동으로 조정할 수 있는 사람 검토 워크플로를 제공합니다. 이 조합은 레이블링 프로세스를 크게 가속화하고 수동 레이블링에 소요되는 시간을 줄여줍니다. SageMaker Ground Truth는 레이블링 서비스이지만, Rekognition의 자동화 기능과 A2I의 사람 검토 통합을 직접 제공하지는 않습니다. SageMaker JumpStart는 사전 훈련된 모델을 제공하지만, 이는 레이블링 프로세스 자체를 직접적으로 가속화하기보다는 모델 개발에 중점을 둡니다. SageMaker Data Wrangler는 데이터 준비 및 변환 도구이며, 레이블링 시간을 단축하는 직접적인 솔루션이 아닙니다.