Yritykset luottavat yhä enemmän käyttäjien luomiin kuviin ja videoihin sitoutumisessa. Verkkokauppa-alustoista, jotka rohkaisevat asiakkaita jakamaan tuotekuvia, sosiaalisen median yrityksiin, jotka mainostavat käyttäjien luomia videoita ja kuvia, käyttäjien sisällön käyttö sitoutumiseen on tehokas strategia. Voi kuitenkin olla haastavaa varmistaa, että tämä käyttäjien luoma sisältö on käytäntöjesi mukainen ja edistää turvallista verkkoyhteisöä käyttäjillesi.
Monet yritykset ovat tällä hetkellä riippuvaisia ihmisvalvojista tai reagoivat käyttäjien valituksiin hallitakseen sopimatonta käyttäjien luomaa sisältöä. Nämä lähestymistavat eivät skaalaudu niin, että ne hallitsevat tehokkaasti miljoonia kuvia ja videoita riittävällä laadulla tai nopeudella, mikä johtaa huonoon käyttökokemukseen, suuriin mittakaavan saavuttamiskustannuksiin tai jopa mahdolliseen brändin maineeseen.
Tässä viestissä keskustelemme mukautetun moderointiominaisuuden käyttämisestä Amazonin tunnistus parantaaksesi valmiiksi koulutetun sisällönvalvontasovellusliittymäsi tarkkuutta.
Sisällön valvonta Amazon Rekognitionissa
Amazon Rekognition on hallittu tekoäly (AI) -palvelu, joka tarjoaa valmiiksi koulutetut ja mukautettavat tietokonenäköominaisuudet tiedon ja oivallusten poimimiseksi kuvista ja videoista. Yksi tällainen kyky on Amazon Rekognition -sisällön moderointi, joka havaitsee kuvista ja videoista sopimattoman tai ei-toivotun sisällön. Amazon Rekognition käyttää hierarkkista taksonomiaa sopimattoman tai ei-toivotun sisällön merkitsemiseen 10 huipputason valvontakategorialla (kuten väkivalta, eksplisiittinen, alkoholi tai huumeet) ja 35 toisen tason kategorialla. Asiakkaat eri aloilla, kuten verkkokauppa, sosiaalinen media ja pelit, voivat käyttää Amazon Rekognitionin sisällön moderointia suojellakseen brändinsä mainetta ja edistääkseen turvallisia käyttäjäyhteisöjä.
Käyttämällä Amazon Rekognitionia kuvien ja videoiden moderointiin ihmisten moderaattorien on tarkistettava paljon pienempi määrä sisältöä, tyypillisesti 1–5 % kokonaismäärästä, joka on jo merkitty sisällönvalvontamallilla. Tämä antaa yrityksille mahdollisuuden keskittyä arvokkaampiin toimintoihin ja silti saavuttaa kattavan maltillisen kattavuuden murto-osalla nykyisistä kustannuksistaan.
Esittelyssä Amazon Rekognition Custom Moderation
Voit nyt parantaa yrityskohtaisten tietojen Rekognition-valvontamallin tarkkuutta Custom Moderation -ominaisuuden avulla. Voit kouluttaa mukautetun sovittimen, jossa on vain 20 huomautettua kuvaa alle tunnissa. Nämä sovittimet laajentavat moderointimallin mahdollisuuksia havaita harjoitteluun käytetyt kuvat entistä tarkemmin. Käytämme tässä viestissä näytetietojoukkoa, joka sisältää sekä turvallisia kuvia että kuvia alkoholijuomista (jota pidettiin vaarallisina) alkoholin maltillisuusmerkinnän tarkkuuden parantamiseksi.
Koulutetun sovittimen yksilöllinen tunnus voidaan antaa olemassa olevalle sovittimelle DetectModerationLabels API-toiminto kuvien käsittelemiseksi tällä sovittimella. Jokaista sovitinta voi käyttää vain se AWS-tili, jota käytettiin sovittimen koulutukseen. Näin varmistetaan, että koulutukseen käytetyt tiedot pysyvät turvassa kyseisellä AWS-tilillä. Mukautetun moderointiominaisuuden avulla voit räätälöidä Rekognitionin esikoulutetun moderointimallin parantamaan suorituskykyä tietyssä moderoinnin käyttötapauksessa ilman koneoppimisen (ML) asiantuntemusta. Voit jatkossakin nauttia täysin hallitun valvontapalvelun eduista mukautetun moderoinnin käyttökohtaisen hinnoittelumallin avulla.
Ratkaisun yleiskatsaus
Mukautetun moderointisovittimen kouluttaminen sisältää viisi vaihetta, jotka voit suorittaa käyttämällä AWS-hallintakonsoli tai API-liittymä:
- Luo projekti
- Lataa harjoitustiedot
- Määritä kuville perustotuustunnisteet
- Harjoittele sovitin
- Käytä sovitinta
Käydään nämä vaiheet läpi yksityiskohtaisemmin konsolin avulla.
Luo projekti
Projekti on säiliö sovittimien tallentamiseen. Voit kouluttaa useita sovittimia projektin sisällä eri koulutustietosarjoilla arvioidaksesi, mikä sovitin toimii parhaiten tietyssä käyttötapauksessa. Luo projekti suorittamalla seuraavat vaiheet:
- Valitse Amazon Rekognition -konsolissa Mukautettu moderointi navigointipaneelissa.
- Valita Luo hanke.
- varten Projektin nimi, anna projektillesi nimi.
- varten Sovittimen nimi, anna sovittimellesi nimi.
- Lisää vaihtoehtoisesti kuvaus sovittimellesi.
Lataa harjoitustiedot
Voit aloittaa vain 20 näytekuvalla, jotta valvontamalli voidaan mukauttaa havaitsemaan vähemmän vääriä positiivisia tuloksia (kuvia, jotka sopivat yrityksellesi, mutta jotka malli merkitsee valvontatunnisteella). Väärien negatiivien (kuvia, jotka eivät sovellu yrityksellesi, mutta joita ei merkitä valvontatunnisteella) vähentämiseksi sinun on aloitettava 50 esimerkkikuvasta.
Voit valita seuraavista vaihtoehdoista kuvatietojoukon tarjoamiseksi sovittimen koulutukseen:
Suorita seuraavat vaiheet:
- Valitse tähän viestiin Tuo kuvat S3-ämpäriin ja anna S3 URI.
Kuten kaikki ML-koulutusprosessit, mukautetun moderointisovittimen kouluttaminen Amazon Rekognitionissa vaatii kaksi erillistä tietojoukkoa: yhden sovittimen kouluttamiseen ja toisen sovittimen arviointiin. Voit joko ladata erillisen testitietojoukon tai jakaa harjoitustietojoukon automaattisesti harjoittelua ja testausta varten.
- Valitse tähän viestiin Automaattinen jako.
- valita Ota automaattinen päivitys käyttöön varmistaaksesi, että järjestelmä kouluttaa sovittimen automaattisesti uudelleen, kun sisällönvalvontamallin uusi versio julkaistaan.
- Valita Luo hanke.
Määritä kuville perustotuustunnisteet
Jos latasit kommentoimattomia kuvia, voit käyttää Amazon Rekognition -konsolia kuvien tarrojen tarjoamiseen moderointitaksonomian mukaisesti. Seuraavassa esimerkissä opetamme sovittimen tunnistamaan piilotetun alkoholin tarkemmin ja merkitsemään kaikki tällaiset kuvat alkoholimerkinnällä. Kuvat, joita ei pidetä sopimattomina, voidaan merkitä turvallisiksi.
Harjoittele sovitin
Kun olet nimennyt kaikki kuvat, valitse Aloita harjoittelu aloittaa koulutusprosessin. Amazon Rekognition käyttää ladattuja kuvatietojoukkoja sovittimen mallin kouluttamiseen parantaakseen tarkkuutta tietyntyyppisille kuville, jotka on tarkoitettu koulutukseen.
Kun mukautettu moderointisovitin on koulutettu, voit tarkastella kaikkia sovittimen tietoja (adapterID
, test
ja training
manifest-tiedostot) -hakemistossa Sovittimen suorituskyky osiossa.
- Sovittimen suorituskyky -osio näyttää parannuksia väärissä positiivisissa ja väärissä negatiivisissa verrattuna esikoulutettuun moderointimalliin. Adapteri, jonka olemme kouluttaneet parantamaan alkoholimerkinnän havaitsemista, vähentää testikuvien väärien negatiivisten määrää 73 %. Toisin sanoen sovitin ennustaa nyt tarkasti alkoholin maltillisuusmerkinnän 73 % enemmän kuville verrattuna esikoulutettuun maltillisuusmalliin. Väärien positiivisten tulosten kohdalla ei kuitenkaan havaittu parannusta, koska koulutuksessa ei käytetty vääriä positiivisia näytteitä.
Käytä sovitinta
Voit tehdä päätelmiä käyttämällä äskettäin koulutettua sovitinta parantaaksesi tarkkuutta. Voit tehdä tämän soittamalla Amazon Rekognitionille DetectModerationLabel
API lisäparametrilla, ProjectVersion
, joka on ainutlaatuinen AdapterID
sovittimesta. Seuraava on esimerkkikomento, jossa käytetään AWS-komentoriviliitäntä (AWS CLI):
Seuraavassa on esimerkkikoodinpätkä, jossa käytetään Python Boto3 -kirjasto:
Parhaat käytännöt harjoitteluun
Sovittimen suorituskyvyn maksimoimiseksi suositellaan seuraavia parhaita käytäntöjä sovittimen koulutuksessa:
- Esimerkkikuvatietojen tulee kaapata edustavat virheet, joiden moderointimallin tarkkuutta haluat parantaa
- Sen sijaan, että tuot vain virhekuvia väärille positiivisille ja väärille negatiivisille, voit myös tarjota todellisia positiivisia ja todellisia negatiivisia suorituskyvyn parantamiseksi.
- Anna mahdollisimman monta selitettyä kuvaa harjoittelua varten
Yhteenveto
Tässä viestissä esitimme perusteellisen yleiskatsauksen uudesta Amazon Rekognition Custom Moderation -ominaisuudesta. Lisäksi kerroimme yksityiskohtaisesti konsolin avulla suoritettavan harjoittelun vaiheet, mukaan lukien parhaat käytännöt optimaalisten tulosten saavuttamiseksi. Saat lisätietoja käymällä Amazon Rekognition -konsolissa ja tutustumalla mukautettuun moderointiominaisuuteen.
Amazon Rekognitionin mukautettu moderointi on nyt yleisesti saatavilla kaikilla AWS-alueilla, joilla Amazon Rekognition on saatavilla.
Lisätietoja sisällön valvonta AWS:ssä. Ota ensimmäinen askel kohti virtaviivaistaa sisällönvalvontatoimintojasi AWS:n avulla.
Tietoja Tekijät
Shipra Kanoria on AWS:n päätuotepäällikkö. Hän haluaa auttaa asiakkaita ratkaisemaan monimutkaisimmat ongelmansa koneoppimisen ja tekoälyn avulla. Ennen AWS:ään liittymistään Shipra vietti yli 4 vuotta Amazon Alexassa, jossa hän lanseerasi monia tuottavuuteen liittyviä ominaisuuksia Alexa voice assistantissa.
Aakash Deep on Seattlessa sijaitseva ohjelmistokehityspäällikkö. Hän nauttii työskentelystä tietokonenäön, tekoälyn ja hajautettujen järjestelmien parissa. Hänen missionsa on auttaa asiakkaita ratkaisemaan monimutkaisia ongelmia ja luomaan lisäarvoa AWS Rekognitionin avulla. Työn ulkopuolella hän pitää vaeltamisesta ja matkustamisesta.
Lana Zhang on AWS WWSO AI Services -tiimin vanhempi ratkaisuarkkitehti, joka on erikoistunut tekoälyyn ja ML:ään sisällön moderointiin, tietokonenäköön, luonnollisen kielen käsittelyyn ja generatiiviseen tekoälyyn. Asiantuntijuudellaan hän on omistautunut edistämään AWS AI/ML -ratkaisuja ja auttamaan asiakkaita muuttamaan liiketoimintaratkaisujaan eri toimialoilla, mukaan lukien sosiaalinen media, pelit, sähköinen kaupankäynti, media, mainonta ja markkinointi.
- SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
- PlatoData.Network Vertical Generatiivinen Ai. Vahvista itseäsi. Pääsy tästä.
- PlatoAiStream. Web3 Intelligence. Tietoa laajennettu. Pääsy tästä.
- PlatoESG. hiili, CleanTech, energia, ympäristö, Aurinko, Jätehuolto. Pääsy tästä.
- PlatonHealth. Biotekniikan ja kliinisten kokeiden älykkyys. Pääsy tästä.
- Lähde: https://aws.amazon.com/blogs/machine-learning/announcing-rekogniton-custom-moderation-enhance-accuracy-of-pre-trained-rekognition-moderation-models-with-your-data/
- :On
- :ei
- :missä
- 1
- 10
- 100
- 118
- 150
- 20
- 35%
- 50
- 7
- 9
- a
- aakash
- Meistä
- Tili
- tarkkuus
- tarkasti
- Saavuttaa
- poikki
- toiminta
- sopeuttaa
- lisä-
- lisäinformaatio
- osoite
- mainonta
- AI
- Tekoälyn palvelut
- AI / ML
- Alkoholi
- Alexa
- Kaikki
- jo
- Myös
- Amazon
- Amazonin tunnistus
- Amazon Web Services
- an
- ja
- Ilmoittaa
- Toinen
- Kaikki
- api
- lähestymistavat
- sopiva
- OVAT
- keinotekoinen
- tekoäly
- Tekoäly (AI)
- AS
- arvioida
- Avustaja
- avustaminen
- At
- kirjoittaja
- automaattisesti
- saatavissa
- AWS
- perustua
- BE
- ennen
- alkaa
- Hyödyt
- PARAS
- parhaat käytännöt
- sekä
- merkki
- Tuominen
- liiketoiminta
- mutta
- by
- soittaa
- CAN
- kyvyt
- valmiudet
- kaapata
- tapaus
- luokat
- haastava
- Valita
- asiakas
- koodi
- yhteisöjen
- yhteisö
- Yritykset
- verrattuna
- valitukset
- täydellinen
- monimutkainen
- kattava
- tietokone
- Tietokoneen visio
- harkittu
- johdonmukainen
- Console
- Kontti
- pitoisuus
- jatkaa
- Hinta
- kustannukset
- kattavuus
- luoda
- Luo arvoa
- Tällä hetkellä
- asiakassuhde
- Asiakkaat
- muokattavissa
- tiedot
- aineistot
- omistautunut
- syvä
- kuvaus
- yksityiskohta
- yksityiskohtainen
- yksityiskohdat
- havaita
- Detection
- Kehitys
- eri
- pohtia
- näytöt
- jaettu
- hajautetut järjestelmät
- useat
- do
- Dont
- Huumeet
- verkkokaupan
- kukin
- verkkokaupan
- tehokkaasti
- myöskään
- mahdollistaa
- mahdollistaa
- rohkaiseva
- sitoumus
- Tekniikka
- parantaa
- tehostettu
- nauttia
- varmistaa
- varmistamalla
- enter
- virhe
- virheet
- arviointiin
- Jopa
- esimerkki
- olemassa
- experience
- asiantuntemus
- tutkia
- laajentaa
- uute
- väärä
- Ominaisuus
- Ominaisuudet
- harvat
- vähemmän
- Asiakirjat
- Etunimi
- viisi
- Merkityt
- Keskittää
- jälkeen
- varten
- Edistää
- kannustaa
- jae
- alkaen
- täysin
- Lisäksi
- pelaamista
- yleensä
- generatiivinen
- Generatiivinen AI
- saada
- Maa
- vahingoittaa
- Olla
- he
- auttaa
- hänen
- kätketty
- Korkea
- korkeampi
- hänen
- tunti
- Miten
- Miten
- Kuitenkin
- HTML
- http
- HTTPS
- ihmisen
- ID
- kuva
- kuvien
- parantaa
- parani
- parannus
- parannuksia
- in
- Muilla
- perusteellinen
- Mukaan lukien
- yhä useammin
- teollisuuden
- tiedot
- aloittaa
- oivalluksia
- Älykkyys
- liitäntä
- IT
- tuloaan
- Merkki
- tarrat
- Kieli
- käynnistettiin
- Liidit
- oppiminen
- vähemmän
- linja
- Lista
- kone
- koneoppiminen
- hoitaa
- onnistui
- johto
- johtaja
- monet
- Marketing
- Maksimoida
- Media
- miljoonia
- Tehtävä
- ML
- malli
- mallit
- maltillisuus
- lisää
- eniten
- paljon
- moninkertainen
- nimi
- Luonnollinen
- Luonnollinen kielen käsittely
- suunnistus
- negatiivinen
- negatiiviset
- Uusi
- hiljattain
- Nro
- nyt
- of
- Tarjoukset
- on
- ONE
- verkossa
- vain
- toiminta
- Operations
- optimaalinen
- Vaihtoehdot
- or
- Muut
- ulkopuolella
- yli
- yleiskatsaus
- lasi
- parametri
- intohimoinen
- varten
- Suorittaa
- suorituskyky
- esittävä
- suorittaa
- Platforms
- Platon
- Platonin tietotieto
- PlatonData
- politiikkaa
- kehno
- positiivinen
- mahdollinen
- Kirje
- mahdollinen
- teho
- voimakas
- käytännöt
- ennustaa
- esitetty
- hinnoittelu
- hinnoittelumalli
- Pääasiallinen
- ongelmia
- prosessi
- käsittely
- Tuotteet
- tuotepäällikkö
- projekti
- Edistäminen
- suojella
- toimittaa
- mikäli
- laatu
- hinta
- suositeltu
- vähentää
- vähentää
- alueet
- luottaa
- jäännökset
- edustaja
- maine
- tarvitaan
- Vaatii
- Vastata
- vastaus
- tulokset
- arviot
- turvallista
- Esimerkkitietojoukko
- Asteikko
- Seattle
- Osa
- turvallinen
- vanhempi
- erillinen
- palvelu
- Palvelut
- setti
- Jaa:
- hän
- shouldnt
- pienempiä
- pätkä
- sosiaalinen
- sosiaalinen media
- Tuotteemme
- ohjelmistokehitys
- Ratkaisumme
- SOLVE
- erikoistunut
- erityinen
- nopeus
- käytetty
- jakaa
- Alkaa
- Vaihe
- Askeleet
- Yhä
- verkkokaupasta
- Strategia
- niin
- riittävä
- järjestelmä
- järjestelmät
- ottaa
- Tehtävä
- tehtävät
- taksonomia
- joukkue-
- testi
- Testaus
- kuin
- että
- -
- heidän
- Nämä
- tätä
- Kautta
- että
- huipputaso
- Yhteensä
- Juna
- koulutettu
- koulutus
- muuttamassa
- Matkustaminen
- totta
- Totuus
- kaksi
- tyyppi
- tyypillisesti
- unique
- toivottuja
- ladattu
- käyttää
- käyttölaukku
- käytetty
- käyttäjä
- Käyttäjäkokemus
- Käyttäjät
- käyttötarkoituksiin
- käyttämällä
- arvokas
- arvo
- versio
- Video
- Videoita
- Näytä
- Väkivalta
- visio
- Vierailla
- Ääni
- tilavuus
- kävellä
- haluta
- oli
- we
- verkko
- verkkopalvelut
- olivat
- kun
- joka
- tulee
- with
- sisällä
- ilman
- sanoja
- Referenssit
- työnkulku
- työskentely
- vuotta
- Voit
- Sinun
- zephyrnet