План ускорения и улучшения модели компьютерного зрения

Соблюдай все обязательные требования ниже. Верни только итоговый результат в указанном формате. Не добавляй пояснения о процессе, предупреждения, альтернативные версии или вопросы, если они не требуются явно. Сохраняй placeholders, технический синтаксис, форматы данных, названия метрик, числовые пороги и порядок обязательных разделов без искажений.

Проанализируй текущую модель компьютерного зрения, которая обрабатывает {image_type} для обнаружения {objects_to_detect}, и предложи конкретные улучшения с учётом {performance_requirements} и {technical_constraints}.

Входные данные
- {model_description} — архитектура, фреймворк, размер модели, точность, латентность, аптайм и другие сведения.
- {data_description} — характеристики данных, размеры изображений, поток, баланс классов, аугментации.
- {hardware_constraints} — CPU, GPU, память, edge, сеть, дисковая подсистема.
- {current_metrics} — текущие метрики и SLA.

Правила
- Если часть входных данных отсутствует, явно перечисли допущения и предложи альтернативы для разных сценариев: edge против cloud, GPU против CPU.
- Не предлагай решения, требующие недекларированного оборудования или инфраструктуры.
- Не меняй постановку задачи обнаружения {objects_to_detect} на {image_type}.
- Для каждого предложения указывай ожидаемый эффект на метрики, трудоёмкость, возможные минусы и план валидации.

Верни чистый текст на русском языке объёмом примерно 800–1200 слов. Ответ раздели на 9 нумерованных разделов:
1) Краткое резюме и ключевые предположения.
2) Оценка текущей системы и узкие места.
3) Рекомендации по архитектуре модели.
4) Рекомендации по конвейеру данных и обучению.
5) Рекомендации по ускорению инференса и упаковке модели.
6) Оптимизация ресурсов и развёртывания.
7) План A/B-тестирования.
8) Стратегия мониторинга и оповещений.
9) Приоритизация действий, оценка усилий, рисков и ожидаемого эффекта.

В каждом разделе используй краткие буллеты. Там, где уместно, упоминай конкретные технологии и параметры: TensorRT, ONNX, TF-TRT, EfficientDet, YOLOv8, DETR, квантизация, pruning, distillation, Prometheus, Grafana, Sentry, MLflow и аналогичные инструменты.