Bir şirketin bir metro istasyonundan video akışları var ve tren yokken yolcular sarı güvenlik çizgisini geçtiğinde yöneticiyi uyaran bir modele ihtiyacı var. Modelin sarı çizgiyi, çizgiyi geçen insanları ve trenleri algılaması gerekiyor. Sınırlayıcı kutu nesne algılama, çizgiyi, insanları ve trenleri net bir şekilde ayıramadı. Video verilerini gizli tutarken modeli en etkili şekilde geliştirecek etiketleme yaklaşımı hangisidir?

Doğru cevap, SageMaker Ground Truth anlamsal segmentasyon etiketleme görevini kullanmak ve veri kümesini etiketlemek için özel bir iş gücü istihdam etmektir. Sınırlayıcı kutu nesne algılama, sarı çizgiyi, insanları ve trenleri net bir şekilde ayıramadığı için, piksel düzeyinde hassasiyet sağlayan anlamsal segmentasyon gereklidir. Bu, modelin farklı nesneler arasındaki ince ayrımları öğrenmesini sağlar. Verilerin gizli tutulması gerektiği için, Amazon Mechanical Turk gibi herkese açık iş gücü yerine özel bir iş gücü kullanmak en uygun çözümdür. Amazon Rekognition Custom Labels, nesne algılama için sınırlayıcı kutular kullanır ve bu senaryoda yetersiz kalır. Ayrıca, A2I düşük güvenilirlikli tahminleri incelemek için faydalı olsa da, temel etiketleme yaklaşımı sorunun anahtarıdır.