Производство: 750 классов компонентов, ~1000 размеченных примеров на класс. Необходимо создать MVP приложения для распознавания компонентов по фото за несколько рабочих дней. Какой подход вы выберете?

Выбор Cloud Vision AutoML с существующим набором данных является оптимальным для быстрого создания MVP. AutoML Vision позволяет обучать пользовательские модели распознавания изображений с минимальными усилиями и без глубоких знаний в области машинного обучения. Он автоматически управляет архитектурой модели, обучением и оптимизацией, что значительно сокращает время разработки. Имея 750 классов и ~1000 размеченных примеров на класс, у вас достаточно данных для достижения хорошей точности. Сокращение набора данных вдвое (второй вариант) ухудшит качество модели. Использование Cloud Vision API с пользовательскими метками (третий вариант) не позволит обучить модель для распознавания новых классов компонентов, так как API предназначен для предопределенных категорий. Обучение собственной модели с нуля (четвертый вариант), даже с трансферным обучением, требует значительно больше времени и специализированных навыков, что не соответствует требованию "несколько рабочих дней".