Firma przechowuje filmy MP4 w Amazon S3 i wcześniej potrzebowała 4 miesięcy na etykietowanie wszystkich klatek wideo dla modelu klasyfikacji ruchu. Chcą ponownie wytrenować model, używając istniejącego przepływu pracy SageMaker, i chcą skrócić czas etykietowania. Które podejście skróci czas etykietowania?

Prawidłowa odpowiedź to użycie interfejsu etykietowania Amazon Augmented AI (Amazon A2I) z Amazon Rekognition. Amazon Rekognition to usługa uczenia maszynowego, która automatycznie analizuje obrazy i wideo, identyfikując obiekty, sceny, aktywności i inne. Może wstępnie etykietować klatki wideo, znacznie skracając czas potrzebny na ręczne etykietowanie. Amazon A2I integruje się z Rekognition, umożliwiając ludzką weryfikację i poprawianie etykiet generowanych przez AI, co zapewnia wysoką jakość danych przy jednoczesnym przyspieszeniu procesu. SageMaker Ground Truth to usługa do tworzenia zbiorów danych treningowych, ale nie oferuje automatycznego wstępnego etykietowania na taką skalę jak Rekognition, co czyniłoby go wolniejszym w tym przypadku. SageMaker JumpStart dostarcza wstępnie wytrenowane modele, ale nie jest narzędziem do bezpośredniego etykietowania danych. SageMaker Data Wrangler służy do przygotowywania i transformacji danych, a nie do ich etykietowania.