AWS Machine Learning Blog describió una arquitectura de referencia para la visión por computadora en dispositivos periféricos, en la que a cada cámara le corresponde un modelo separado, en lugar de un único modelo para todo el parque.
Según la publicación, la arquitectura incluye entrenamiento, verificaciones de calidad, compilación de modelos para cámaras individuales con SageMaker Neo y versionado de miles de modelos. AWS Step Functions se utiliza para regular el ritmo de reentrenamiento dentro de las cuotas de la cuenta.
El valor práctico de este enfoque es la gestión de un gran conjunto de modelos especializados. Sin embargo, el material disponible es metadatos y un resumen de la publicación, por lo que no se confirman detalles de implementación, resultados de pruebas ni métricas de calidad.
comentario editorial
Por qué importa
Consecuencia probable: una adaptación de la visión por computadora más gestionable a las diferencias entre cámaras, pero al mismo tiempo complicación del control de versiones y del reentrenamiento. La siguiente señal: divulgación de métricas de calidad y procedimientos de implementación. El material no permite evaluar con confianza la efectividad del enfoque en sistemas reales.