O AWS Machine Learning Blog descreveu uma arquitetura de referência para visão computacional em dispositivos periféricos, na qual cada câmera corresponde a um modelo separado, e não um único modelo para todo o parque.
De acordo com a publicação, a arquitetura inclui treinamento, verificações de qualidade, compilação de modelos para câmeras individuais com o SageMaker Neo e versionamento de milhares de modelos. O AWS Step Functions é usado para regular o ritmo de retraining dentro das cotas da conta.
A prática prática da abordagem é gerenciar um grande conjunto de modelos especializados. No entanto, o material disponível é apenas metadados e sinopse, portanto detalhes de implementação, resultados de testes e métricas de qualidade não são confirmados.
comentário editorial
Por que importa
Consequência provável — uma adaptação de visão computacional mais gerenciável às diferenças entre câmeras, mas ao mesmo tempo complexidade no controle de versões e retraining. O próximo sinal é a divulgação de métricas de qualidade e procedimentos de implantação. O material não permite avaliar com segurança a eficácia da abordagem em sistemas reais.