2022年9月14日，日前，亚马逊云科技为其机器学习数据标注服务Amazon SageMaker Ground Truth新增合成数据（图像）生成功能。这一新功能，可以生成数十万计已标注的合成图像，无需手动标注数据，提高标注的准确性，并快速获取高质量的训练数据集。
机器学习（ML）模型构建是一个不断重复、迭代的过程，从数据收集和准备开始，然后是模型训练和部署。其中，为模型训练收集大量、多样化且准确标注的数据集，是非常具有挑战性并耗时的第一步。
以计算机视觉（CV）应用为例，在工业领域，该技术能够改善生产质量、提高仓库管理的自动化水平等，目前已在工业数字化和智能化发挥了关键作用。然而，为训练计算机视觉模型而收集数据的过程既耗时又费力，有时甚至几乎无法完成。为确保模型的准确性，数据科学家可能会花费数月时间，从生产环境中收集数十万张图像，尽可能涵盖数据的所有变化。但在某些情况下，例如，要获取罕见或价格昂贵的产品的缺陷的图像，只有通过故意损坏产品这种极端方式才能实现，这让数据科学家无法从真实数据中找到所有的数据变化。
收集完所有数据后，数据科学家团队还需要准确地标注图像，这又是一项艰巨的任务。手动标注图像进程缓慢且容易出现人为错误；同时，构建自定义标注工具和设置缩放标注操作可能既耗时又昂贵。将真实数据与合成数据相结合是缓解这一挑战的方法之一，让数据科学团队可以创建更完整和平衡的数据集并增加数据的多样性。
亚马逊云科技机器学习数据标注服务Amazon SageMaker Ground Truth，可以让客户创建任何图像数据，包括在现实世界中难以发现和复制的特殊场景数据。客户甚至可以自定义对象和环境的变量，例如反映不同的照明、颜色、纹理、姿势或背景。Amazon SageMaker Ground Truth让数据科学家可以为其正在训练的机器学习模型“量身定制”特定用例。此外，客户还可以选择Amazon SageMaker Ground Truth Plus，借助亚马逊云科技的专家团队创建高质量的训练数据集，无需构建用于标注的应用程序或自行管理标注的人员。
