Firma potrzebuje generować obrazy okularów ochronnych z wysoką dokładnością, minimalizując jednocześnie błędne adnotacje. Które rozwiązanie najlepiej spełnia te wymagania?

Human-in-the-loop validation using Amazon SageMaker Ground Truth Plus jest najlepszym rozwiązaniem, ponieważ łączy automatyczne generowanie obrazów z weryfikacją przez człowieka. Wysoka dokładność i minimalizacja błędnych adnotacji są kluczowe, a systemy AI mogą popełniać błędy, zwłaszcza w złożonych lub rzadkich przypadkach. Udział człowieka w pętli (human-in-the-loop) pozwala na korektę i walidację danych generowanych przez AI, zapewniając najwyższą jakość i precyzję adnotacji. Data augmentation using an Amazon Bedrock knowledge base skupia się na zwiększaniu ilości danych, a nie na ich weryfikacji. Image recognition using Amazon Rekognition służy do identyfikacji obiektów, a nie do generowania i walidacji adnotacji. Data summarization using Amazon QuickSight Q jest narzędziem do analizy i podsumowywania danych, nie do generowania ani walidacji obrazów.