Een team moet de inspectie van dronefoto's automatiseren om gecorrodeerde gebieden te vinden (meerdere gebieden per foto mogelijk). Corrosie verschijnt in slechts ongeveer 0,1% van de foto's. Engineers categoriseren elk gecorrodeerd gebied als urgente reparatie, gepland onderhoud of geen actie. Welke combinatie van stappen moet het team nemen om deze oplossing te bouwen? (Kies drie.)

Het team moet een objectdetectiemodel trainen omdat corrosiegebieden gelokaliseerd moeten worden binnen de foto's, in plaats van de hele foto te classificeren. Amazon Rekognition is een algemene dienst en is waarschijnlijk niet nauwkeurig genoeg voor de specifieke corrosiedetectie. K-means clustering is een ongesuperviseerde techniek en is niet geschikt voor het bepalen van de ernst van corrosie, wat een gelabelde taak is. Een XGBoost classifier is geschikt voor het voorspellen van de ernst/prioriteit van de gedetecteerde corrosiegebieden. Vanwege de zeldzaamheid van corrosie (0,1% van de foto's) is image augmentation op de corrosiebeelden essentieel om de dataset voor de zeldzame klasse te vergroten en overfitting te voorkomen. Het toepassen van augmentatie op beelden zonder corrosie zou de onbalans in de dataset verder vergroten.