Η Amazon Rekognition Labels προσθέτει 600 νέες ετικέτες, συμπεριλαμβανομένων των ορόσημων, και πλέον εντοπίζει κυρίαρχα χρώματα

Αναγνώριση Amazon προσφέρει προεκπαιδευμένες και προσαρμόσιμες δυνατότητες όρασης υπολογιστή για εξαγωγή πληροφοριών και γνώσεων από εικόνες και βίντεο. Μια τέτοια ικανότητα είναι Ετικέτες αναγνώρισης Amazon, το οποίο ανιχνεύει αντικείμενα, σκηνές, ενέργειες και έννοιες σε εικόνες. Πελάτες όπως το Synchronoss, Shutterstock, και το Nomad Media χρησιμοποιούν ετικέτες αναγνώρισης Amazon για να προσθέτουν αυτόματα μεταδεδομένα στη βιβλιοθήκη περιεχομένου τους και να ενεργοποιούν τα αποτελέσματα αναζήτησης βάσει περιεχομένου. TripleLift χρησιμοποιεί το Amazon Rekognition Labels για να προσδιορίσει τις καλύτερες στιγμές για να εισάγει δυναμικά διαφημίσεις που συμπληρώνουν την εμπειρία προβολής για το κοινό. vidmob χρησιμοποιεί Ετικέτες αναγνώρισης του Amazon για να εξάγει μεταδεδομένα από διαφημιστικά κείμενα για να κατανοήσει τον μοναδικό ρόλο της δημιουργικής λήψης αποφάσεων στην απόδοση της διαφήμισης, ώστε οι έμποροι να μπορούν να παράγουν διαφημίσεις που επηρεάζουν βασικούς στόχους που τους ενδιαφέρουν περισσότερο. Επιπλέον, χιλιάδες άλλοι πελάτες χρησιμοποιούν το Amazon Rekognition Labels για να υποστηρίξουν πολλές άλλες περιπτώσεις χρήσης, όπως ταξινόμηση μονοπατιών ή φωτογραφιών πεζοπορίας, ανίχνευση ατόμων ή οχημάτων σε πλάνα από κάμερα ασφαλείας και ταξινόμηση εικόνων εγγράφων ταυτότητας.

Το Amazon Rekognition Labels για εικόνες ανιχνεύει 600 νέες ετικέτες, συμπεριλαμβανομένων ορόσημων και δραστηριοτήτων, και βελτιώνει την ακρίβεια για περισσότερες από 2,000 υπάρχουσες ετικέτες. Επιπλέον, το Amazon Rekognition Labels υποστηρίζει πλέον τις Ιδιότητες εικόνας για τον εντοπισμό κυρίαρχων χρωμάτων μιας εικόνας, του προσκηνίου και του φόντου της, καθώς και ανιχνευμένων αντικειμένων με οριοθετημένα πλαίσια. Το Image Properties μετρά επίσης τη φωτεινότητα, την ευκρίνεια και την αντίθεση της εικόνας. Τέλος, το Amazon Rekognition Labels οργανώνει πλέον τα αποτελέσματα των ετικετών χρησιμοποιώντας δύο επιπλέον πεδία, aliases και categoriesκαι υποστηρίζει το φιλτράρισμα αυτών των αποτελεσμάτων. Στις επόμενες ενότητες, εξετάζουμε τις νέες δυνατότητες και τα οφέλη τους με περισσότερες λεπτομέρειες με μερικά παραδείγματα.

Νέες ετικέτες

Η Amazon Rekognition Labels πρόσθεσε πάνω από 600 νέες ετικέτες, επεκτείνοντας τη λίστα των υποστηριζόμενων ετικετών. Ακολουθούν ορισμένα παραδείγματα των νέων ετικετών:

• Δημοφιλή ορόσημα – Γέφυρα του Μπρούκλιν, Κολοσσαίο, Πύργος του Άιφελ, Μάτσου Πίτσου, Ταζ Μαχάλ κ.λπ.
• Δραστηριότητες – Χειροκρότημα, Ποδηλασία, Εορτασμός, Άλμα, Σκύλος που περπατά κ.λπ.
• Ανίχνευση βλάβης – Βάθος αυτοκινήτου, γρατσουνιά αυτοκινήτου, διάβρωση, ζημιά σπιτιού, ζημιά στέγης, ζημιά από τερμίτες κ.λπ.
• Κείμενο και έγγραφα – Γράφημα ράβδων, κάρτα επιβίβασης, διάγραμμα ροής, σημειωματάριο, τιμολόγιο, απόδειξη κ.λπ.
• Αθλητισμός – Παιχνίδι μπέιζμπολ, ρόπαλο κρίκετ, καλλιτεχνικό πατινάζ, ράγκμπι, υδατοσφαίριση κ.λπ.
• Πολλά περισσότερα – Αγώνες σκαφών, Διασκέδαση, Αστικό τοπίο, Χωριό, Πρόταση Γάμου, Δείπνο κ.λπ.

Με αυτές τις ετικέτες, οι πελάτες σε κοινή χρήση εικόνων, φωτογραφία στοκ ή μέσα μετάδοσης μπορούν να προσθέτουν αυτόματα νέα μεταδεδομένα στη βιβλιοθήκη περιεχομένου τους για να βελτιώσουν τις δυνατότητες αναζήτησής τους.

Ας δούμε ένα παράδειγμα ανίχνευσης ετικέτας για τη γέφυρα του Μπρούκλιν.

Ο παρακάτω πίνακας δείχνει τις ετικέτες και τους βαθμούς εμπιστοσύνης που επιστρέφονται στην απόκριση API.

Βελτιωμένες ετικέτες

Το Amazon Rekognition Labels έχει επίσης βελτιώσει την ακρίβεια για περισσότερες από 2,000 ετικέτες. Ακολουθούν ορισμένα παραδείγματα βελτιωμένων ετικετών:

• Δραστηριότητες – Καταδύσεις, Οδήγηση, Διάβασμα, Καθιστή, Όρθια κ.λπ.
• Ρούχα και αξεσουάρ – Σακίδιο πλάτης, ζώνη, μπλούζα, κουκούλα, μπουφάν, παπούτσι κ.λπ.
• Σπίτι και σε εσωτερικούς χώρους – Πισίνα, Γλάστρα, Μαξιλάρι, Τζάκι, Κουβέρτα κ.λπ.
• Τεχνολογία και υπολογιστές – Ακουστικά, Κινητό τηλέφωνο, Υπολογιστής Tablet, Ανάγνωση, Φορητός υπολογιστής κ.λπ.
• Οχήματα και αυτοκίνητα – Φορτηγό, τροχός, ελαστικό, προφυλακτήρας, κάθισμα αυτοκινήτου, καθρέφτης αυτοκινήτου κ.λπ.
• Κείμενο και έγγραφα – Διαβατήριο, Άδεια Οδήγησης, Επαγγελματική Κάρτα, Έγγραφο κ.λπ.
• Πολλά περισσότερα – Σκύλος, Καγκουρό, Πλατεία Πόλης, Φεστιβάλ, Γέλιο κ.λπ.

Ιδιότητες εικόνας για ανίχνευση κυρίαρχου χρώματος και ποιότητα εικόνας

Το Image Properties είναι μια νέα δυνατότητα των ετικετών αναγνώρισης Amazon για εικόνες και μπορεί να χρησιμοποιηθεί με ή χωρίς τη λειτουργία ανίχνευσης ετικετών. Σημείωση: Οι Ιδιότητες εικόνας είναι τιμολογούνται χωριστά από το Amazon Rekognition Labels και είναι διαθέσιμο μόνο με τα ενημερωμένα SDK.

Ανίχνευση κυρίαρχου χρώματος

Οι Ιδιότητες εικόνας προσδιορίζουν τα κυρίαρχα χρώματα σε μια εικόνα με βάση τα ποσοστά εικονοστοιχείων. Αυτά τα κυρίαρχα χρώματα αντιστοιχίζονται στο Παλέτα χρωμάτων 140 CSS, RGB, δεκαεξαδικός κώδικας και 12 απλοποιημένα χρώματα (πράσινο, ροζ, μαύρο, κόκκινο, κίτρινο, κυανό, καφέ, πορτοκαλί, λευκό, μωβ, μπλε, γκρι). Από προεπιλογή, το API επιστρέφει έως και 10 κυρίαρχα χρώματα εκτός και αν καθορίσετε τον αριθμό των χρωμάτων που θα επιστρέψουν. Ο μέγιστος αριθμός κυρίαρχων χρωμάτων που μπορεί να επιστρέψει το API είναι 12.

Όταν χρησιμοποιούνται αυτόνομα, οι Ιδιότητες εικόνας εντοπίζουν τα κυρίαρχα χρώματα μιας ολόκληρης εικόνας, καθώς και το προσκήνιο και το φόντο της. Όταν χρησιμοποιούνται μαζί με τις λειτουργίες ανίχνευσης ετικετών, οι Ιδιότητες εικόνας προσδιορίζουν επίσης τα κυρίαρχα χρώματα των αντικειμένων που έχουν εντοπιστεί με οριοθετημένα πλαίσια.

Οι πελάτες στην κοινή χρήση εικόνων ή τη φωτογραφία στοκ μπορούν να χρησιμοποιήσουν την ανίχνευση κυρίαρχου χρώματος για να εμπλουτίσουν τα μεταδεδομένα της βιβλιοθήκης εικόνων τους για να βελτιώσουν την ανακάλυψη περιεχομένου, επιτρέποντας στους τελικούς χρήστες τους να φιλτράρουν ανά χρώμα ή να αναζητούν αντικείμενα με συγκεκριμένα χρώματα, όπως "μπλε καρέκλα" ή "κόκκινα παπούτσια". ” Επιπλέον, οι πελάτες στη διαφήμιση μπορούν να προσδιορίσουν την απόδοση της διαφήμισης με βάση τα χρώματα των στοιχείων του δημιουργικού τους.

Η ποιότητα της εικόνας

Εκτός από την ανίχνευση κυρίαρχου χρώματος, οι Ιδιότητες εικόνας μετρά επίσης τις ποιότητες της εικόνας μέσω βαθμολογιών φωτεινότητας, ευκρίνειας και αντίθεσης. Κάθε μία από αυτές τις βαθμολογίες κυμαίνεται από 0-100. Για παράδειγμα, μια πολύ σκοτεινή εικόνα θα επιστρέψει τιμές χαμηλής φωτεινότητας, ενώ μια εικόνα με έντονο φωτισμό θα επιστρέψει υψηλές τιμές.

Με αυτές τις βαθμολογίες, οι πελάτες σε κοινή χρήση εικόνων, διαφήμιση ή ηλεκτρονικό εμπόριο μπορούν να πραγματοποιήσουν έλεγχο ποιότητας και να φιλτράρουν εικόνες με χαμηλή φωτεινότητα και ευκρίνεια για να μειώσουν τις ψευδείς προβλέψεις ετικετών.

Η παρακάτω εικόνα δείχνει ένα παράδειγμα με τον Πύργο του Άιφελ.

Ο παρακάτω πίνακας είναι ένα παράδειγμα δεδομένων Ιδιοτήτων εικόνας που επιστρέφονται στην απόκριση API.

Η παρακάτω εικόνα είναι ένα παράδειγμα για μια κόκκινη καρέκλα.

Το παρακάτω είναι ένα παράδειγμα δεδομένων Ιδιοτήτων εικόνας που επιστρέφονται στην απόκριση API.

Η παρακάτω εικόνα είναι ένα παράδειγμα για έναν σκύλο με κίτρινο φόντο.

Το παρακάτω είναι ένα παράδειγμα δεδομένων Ιδιοτήτων εικόνας που επιστρέφονται στην απόκριση API.

Νέα πεδία ψευδωνύμων και κατηγοριών

Το Amazon Rekognition Labels επιστρέφει τώρα δύο νέα πεδία, aliases και categories, στην απόκριση API. Τα ψευδώνυμα είναι άλλα ονόματα για την ίδια ετικέτα και οι κατηγορίες ομαδοποιούν μεμονωμένες ετικέτες μαζί με βάση 40 κοινά θέματα, όπως π.χ. Food and Beverage και Animals and Pets. Με την ενημέρωση του μοντέλου ανίχνευσης ετικετών, τα ψευδώνυμα δεν επιστρέφονται πλέον στην κύρια λίστα ονομάτων ετικετών. Αντίθετα, τα ψευδώνυμα επιστρέφονται στο νέο aliases πεδίο στην απόκριση API. Σημείωση: Τα ψευδώνυμα και οι κατηγορίες επιστρέφονται μόνο με τα ενημερωμένα SDK.

Οι πελάτες στην κοινή χρήση φωτογραφιών, το ηλεκτρονικό εμπόριο ή τη διαφήμιση μπορούν να χρησιμοποιούν ψευδώνυμα και κατηγορίες για να οργανώσουν την ταξινόμηση μεταδεδομένων περιεχομένου τους για να βελτιώσουν περαιτέρω την αναζήτηση και το φιλτράρισμα περιεχομένου:

• Παράδειγμα ψευδωνύμων - Επειδή Car και Automobile είναι ψευδώνυμα, μπορείτε να προσθέσετε μεταδεδομένα σε μια εικόνα με Car και Automobile συγχρόνως
• Παράδειγμα κατηγοριών – Μπορείτε να χρησιμοποιήσετε κατηγορίες για να δημιουργήσετε ένα φίλτρο κατηγορίας ή να εμφανίσετε όλες τις εικόνες που σχετίζονται με μια συγκεκριμένη κατηγορία, όπως π.χ Food and Beverage, χωρίς να χρειάζεται να προσθέσετε ρητά μεταδεδομένα σε κάθε εικόνα με Food and Beverage

Η παρακάτω εικόνα δείχνει ένα παράδειγμα ανίχνευσης ετικετών με ψευδώνυμα και κατηγορίες για έναν δύτη.

Ο παρακάτω πίνακας δείχνει τις ετικέτες, τους βαθμούς εμπιστοσύνης, τα ψευδώνυμα και τις κατηγορίες που επιστρέφονται στην απόκριση API.

Η παρακάτω εικόνα είναι ένα παράδειγμα για έναν ποδηλάτη.

Ο παρακάτω πίνακας περιέχει τις ετικέτες, τους βαθμούς εμπιστοσύνης, τα ψευδώνυμα και τις κατηγορίες που επιστρέφονται στην απόκριση API.

Φίλτρα συμπερίληψης και εξαίρεσης

Το Amazon Rekognition Labels εισάγει νέες επιλογές φιλτραρίσματος συμπερίληψης και εξαίρεσης στις παραμέτρους εισαγωγής API για να περιορίσει τη συγκεκριμένη λίστα ετικετών που επιστρέφονται στην απόκριση API. Μπορείτε να παρέχετε μια ρητή λίστα ετικετών ή κατηγοριών που θέλετε να συμπεριλάβετε ή να εξαιρέσετε. Σημείωση: Αυτά τα φίλτρα είναι διαθέσιμα με τα ενημερωμένα SDK.

Οι πελάτες μπορούν να χρησιμοποιήσουν φίλτρα συμπερίληψης και αποκλεισμού για να αποκτήσουν συγκεκριμένες ετικέτες ή κατηγορίες που τους ενδιαφέρουν χωρίς να χρειάζεται να δημιουργήσουν πρόσθετη λογική στην εφαρμογή τους. Για παράδειγμα, οι πελάτες στην ασφάλιση μπορούν να χρησιμοποιήσουν LabelCategoriesInclusionFilter να περιλαμβάνει μόνο αποτελέσματα ετικετών στο Damage Detection κατηγορία.

Ο παρακάτω κώδικας είναι ένα δείγμα αίτησης API με φίλτρα συμπερίληψης και εξαίρεσης:

{
    "Image": {
        "S3Object": {
            "Bucket": "bucket",
            "Name": "input.jpg" 
        } 
    },
    "MaxLabels": 10, 
    "MinConfidence": 75,
    "Features": [ "GENERAL_LABELS", "IMAGE_PROPERTIES" ],
    "Settings": {
        "GeneralLabels": {
            "LabelsInclusionFilter": [],
            "LabelsExclusionFilter": [],
            "LabelCategoriesInclusionFilter": [],
            "LabelCategoriesExclusionFilter": [] 
        },
        "ImageProperties": {
            "MaxDominantColors":10
        }
    }
 }

Ακολουθούν παραδείγματα για το πώς λειτουργούν τα φίλτρα συμπερίληψης και εξαίρεσης:

• Αν θέλετε μόνο να εντοπίσετε Person και Car, και δεν σας ενδιαφέρουν άλλες ετικέτες, μπορείτε να καθορίσετε [“Person”,”Car”] σε LabelsInclusionFilter.
• Εάν θέλετε να εντοπίσετε όλες τις ετικέτες εκτός από τις Clothing, μπορείτε να καθορίσετε [“Clothing”] σε LabelsExclusionFilter.
• Εάν θέλετε να εντοπίσετε μόνο ετικέτες εντός του Animal and Pets κατηγορίες εκτός από Dog και Cat, μπορείτε να καθορίσετε ["Animal and Pets"] στο LabelCategoriesInclusionFilter, με ["Dog", "Cat"] σε LabelsExclusionFilter.
• Εάν μια ετικέτα καθορίζεται στο LabelsInclusionFilter or LabelsExclusionFilter, τα ψευδώνυμά τους θα συμπεριληφθούν ή θα εξαιρεθούν ανάλογα επειδή aliases είναι μια υποταξονομία ετικετών. Για παράδειγμα, επειδή Automobile είναι ψευδώνυμο του Car, αν προσδιορίσετε Car in LabelsInclusionFilter, το API θα επιστρέψει το Car ετικέτα με Automobile στο aliases τομέα.

Συμπέρασμα

Το Amazon Rekognition Labels εντοπίζει 600 νέες ετικέτες και βελτιώνει την ακρίβεια για περισσότερες από 2,000 υπάρχουσες ετικέτες. Μαζί με αυτές τις ενημερώσεις, το Amazon Rekognition Labels υποστηρίζει πλέον Ιδιότητες εικόνας, ψευδώνυμα και κατηγορίες, καθώς και φίλτρα συμπερίληψης και συμπερίληψης.

Για να δοκιμάσετε το νέο μοντέλο ανίχνευσης ετικετών με τις νέες του δυνατότητες, συνδεθείτε στον λογαριασμό σας AWS και ελέγξτε το Κονσόλα αναγνώρισης Amazon για ανίχνευση ετικετών και ιδιότητες εικόνας. Για να μάθετε περισσότερα, επισκεφθείτε Ανίχνευση ετικετών.

Σχετικά με τους συγγραφείς

Μαρία Χαντόκο είναι Ανώτερος Διευθυντής Προϊόντων στην AWS. Επικεντρώνεται στο να βοηθά τους πελάτες να λύσουν τις επιχειρηματικές τους προκλήσεις μέσω της μηχανικής μάθησης και της όρασης υπολογιστών. Στον ελεύθερο χρόνο της, της αρέσει η πεζοπορία, να ακούει podcast και να εξερευνά διαφορετικές κουζίνες.

Σίπρα Κανόρια είναι Κύριος Διευθυντής Προϊόντων στην AWS. Είναι παθιασμένη να βοηθά τους πελάτες να λύσουν τα πιο περίπλοκα προβλήματά τους με τη δύναμη της μηχανικής μάθησης και της τεχνητής νοημοσύνης. Πριν ενταχθεί στην AWS, η Shipra πέρασε πάνω από 4 χρόνια στην Amazon Alexa, όπου κυκλοφόρησε πολλές λειτουργίες που σχετίζονται με την παραγωγικότητα στον φωνητικό βοηθό Alexa.