Een detailhandelaar in schoonheidsproducten wil een uurlijks rapport van winkelbezoekers, afgeleid van jaren aan beveiligingsvideo's. Het rapport moet bezoekers categoriseren op haartype en haarkleur. Welke aanpak vereist de minste ontwikkelingsinspanning?

De meest efficiënte aanpak om haartype en haarkleur te bepalen, is door eerst een objectdetectiemodel te gebruiken om het haar in videoframes te lokaliseren. Dit model identificeert en kadreert de relevante haarregio's. Vervolgens worden deze haarfragmenten doorgegeven aan een ResNet-50-classificator. ResNet-50 is een krachtig deep learning-model dat uitstekend geschikt is voor beeldclassificatietaken, zoals het categoriseren van haartype en -kleur, en vereist relatief weinig ontwikkelingsinspanning omdat het vaak vooraf getraind beschikbaar is. XGBoost is een algoritme voor machinaal leren dat meer geschikt is voor gestructureerde gegevens en minder voor complexe beeldclassificatie. Semantische segmentatie is overbodig omdat het pixel-voor-pixel classificatie uitvoert, wat meer computationele middelen vergt dan nodig is voor deze taak.