Bir şirketin, yanlış ek açıklamaları en aza indirirken yüksek doğrulukla koruyucu gözlükler için görüntüler oluşturması gerekiyor. Bu gereksinimleri en iyi karşılayan çözüm hangisidir?

Şirketin yüksek doğrulukta ve yanlış ek açıklamaları en aza indirerek koruyucu gözlükler için görüntüler oluşturma ihtiyacı, insan uzmanlığının kritik olduğu durumları işaret eder. Amazon SageMaker Ground Truth Plus, insan destekli doğrulama (Human-in-the-loop validation) özelliği sayesinde, makine öğrenimi modellerinin ilk etiketlemelerini insanlar tarafından gözden geçirilmesini ve düzeltilmesini sağlar. Bu yaklaşım, özellikle karmaşık veya ince ayrımlar gerektiren etiketleme görevlerinde doğruluk oranını önemli ölçüde artırır ve yanlış etiketlemeleri minimize eder. Diğer seçenekler bu gereksinimi karşılamaz: Amazon Bedrock bilgi tabanı kullanarak veri artırma, daha çok metin tabanlı veriler için geçerlidir ve görüntü etiketleme doğruluğunu doğrudan artırmaz. Amazon Rekognition kullanarak görüntü tanıma, mevcut modelleri kullanarak nesneleri veya sahneleri tanır ancak özel etiketleme veya doğrulama süreci sunmaz. Amazon QuickSight Q kullanarak veri özetleme, iş zekası ve veri analizi için kullanılır, görüntü etiketleme veya doğrulama ile ilgili değildir.