Bir güzellik malzemeleri perakendecisi, yıllarca süren güvenlik videolarından elde edilen mağaza ziyaretçilerinin saatlik raporunu istiyor. Rapor, ziyaretçileri saç stiline ve saç rengine göre kategorize etmelidir. Hangi yaklaşım en az geliştirme çabası gerektirir?

Bu yaklaşım, saç tespiti için nesne algılama modelini ve ardından stil ve renk sınıflandırması için ResNet-50'yi kullanarak en az geliştirme çabası gerektirir. Nesne algılama modelleri (örneğin YOLO, SSD), video karelerinde saç bölgelerini sınırlayıcı kutularla hızlı ve etkili bir şekilde bulmak için iyi optimize edilmiştir. ResNet-50 gibi önceden eğitilmiş bir derin öğrenme modeli, saç stilini ve rengini sınıflandırmak için ince ayar yapılabilir, bu da sıfırdan bir model oluşturmaktan daha az çaba gerektirir. Diğer seçenekler neden yanlış: XGBoost, görüntü verileri için uygun değildir ve özellik mühendisliği gerektirir, bu da daha fazla çaba demektir. Semantik segmentasyon, her pikseli sınıflandırmayı gerektirdiğinden nesne algılamadan daha karmaşıktır ve daha fazla hesaplama kaynağı ve eğitim verisi gerektirir, bu da geliştirme çabasını artırır.