Der AWS Machine Learning Blog beschreibt eine Referenzarchitektur für Computer-Vision an Edge-Geräten, bei der jeder Kamera eine eigene Modell zugeordnet ist, statt eines einzigen Modells für den gesamten Park.
Laut der Veröffentlichung umfasst die Architektur Training, Qualitätsprüfungen, Kompilierung von Modellen für einzelne Kameras mit SageMaker Neo und Versionskontrolle von Tausenden von Modellen. AWS Step Functions wird verwendet, um das Tempo des Retrainings im Rahmen der Kontingente des Kontos zu steuern.
Die praktische Bedeutung des Ansatzes liegt in der Verwaltung einer großen Menge spezialisierter Modelle. Allerdings besteht das verfügbare Material aus Metadaten und der Synopse der Veröffentlichung, daher sind Implementierungsdetails, Testergebnisse und tatsächliche Qualitätskennzahlen nicht bestätigt.
redaktioneller Kommentar
Warum es wichtig ist
Vermutliche Folge – eine besser steuerbare Anpassung der Computer Vision an Unterschiede zwischen Kameras, aber gleichzeitig erschwerte Versionskontrolle und Retraining. Das nächste Signal – Offenlegung von Qualitätskennzahlen und Deployments-Procedures. Das Material erlaubt keine verlässliche Bewertung der Effektivität des Ansatzes in realen Systemen.