Een bedrijf slaat MP4-video's op in Amazon S3 en had voorheen 4 maanden nodig om alle videoframes te labelen voor een bewegingsclassificatiemodel. Ze moeten het model opnieuw trainen met behulp van de bestaande SageMaker-workflow en willen de labeltijd verkorten. Welke aanpak zal de labeltijd verkorten?

De juiste aanpak is het gebruik van de labelinginterface van Amazon Augmented AI (Amazon A2I) met Amazon Rekognition. Amazon Rekognition kan automatisch objecten, activiteiten en scènes in videoframes detecteren, wat de initiële labeling aanzienlijk versnelt. Amazon A2I integreert menselijke beoordeling in de workflow, zodat complexe of onzekere gevallen door mensen worden gecontroleerd en gecorrigeerd, wat de nauwkeurigheid verhoogt en de totale labeltijd verkort door de menselijke inspanning te richten op waar deze het meest nodig is. SageMaker Ground Truth is een optie voor het labelen van data, maar zonder de automatische detectie van Rekognition zal het proces langer duren. SageMaker JumpStart biedt vooraf getrainde modellen, maar deze zijn bedoeld voor modelontwikkeling, niet primair voor het versnellen van het labelproces van ruwe videoframes. SageMaker Data Wrangler is een tool voor data-voorbereiding en -transformatie, niet voor het labelen van data.