Ферма собирает перекрывающиеся изображения поля площадью 100 акров с помощью камер, установленных на тракторах, и имеет размеченные изображения распространенных классов сорняков. Им нужна модель, которая обнаруживает определенные типы сорняков и их местоположение на поле и будет предоставлять выводы в реальном времени на конечных точках SageMaker. Какой подход обеспечит точное обнаружение типов и позиций сорняков?

Правильный ответ — преобразовать изображения в RecordIO и сохранить в S3, а затем обучить модель обнаружения объектов с использованием однопроходного детектора (SSD) в SageMaker. Обнаружение объектов (например, с помощью SSD) необходимо, поскольку задача требует определения не только наличия сорняков, но и их точного местоположения (граничных рамок) на изображении. SSD — это эффективный алгоритм для обнаружения объектов в реальном времени. RecordIO является оптимальным форматом для хранения данных изображений в S3 для обучения моделей в SageMaker, так как он обеспечивает эффективную потоковую передачу данных и улучшает производительность обучения. Варианты с классификацией изображений не подходят, так как классификация определяет только класс всего изображения, а не местоположение объектов внутри него. Использование Apache Parquet не является стандартным или наиболее эффективным форматом для хранения данных изображений для обучения моделей глубокого обучения в SageMaker.