Amazon Reconnaissance facilite l'ajout d'analyses d'images et de vidéos à vos applications. Il est basé sur la même technologie d'apprentissage profond éprouvée et hautement évolutive développée par les scientifiques en vision par ordinateur d'Amazon pour analyser quotidiennement des milliards d'images et de vidéos. Son utilisation ne nécessite aucune expertise en apprentissage automatique (ML) et nous ajoutons continuellement de nouvelles fonctionnalités de vision par ordinateur au service. Amazon Rekognition comprend une API simple et facile à utiliser qui peut analyser rapidement n'importe quel fichier image ou vidéo stocké dans Service de stockage simple Amazon (Amazon S3).
Les clients de secteurs tels que les technologies de publicité et de marketing, les jeux, les médias, la vente au détail et le commerce électronique s'appuient sur les images téléchargées par leurs utilisateurs finaux (contenu généré par l'utilisateur ou UGC) comme élément essentiel pour stimuler l'engagement sur leur plateforme. Ils utilisent Modération du contenu Amazon Rekognition pour détecter les contenus inappropriés, indésirables et offensants afin de protéger la réputation de leur marque et de favoriser des communautés d'utilisateurs sûres.
Dans cet article, nous aborderons les points suivants :
- Modèle de modération de contenu version 7.0 et fonctionnalités
- Comment fonctionne l'analyse groupée Amazon Rekognition pour la modération du contenu
- Comment améliorer la prédiction de la modération du contenu avec l'analyse groupée et la modération personnalisée
Modèle de modération de contenu version 7.0 et fonctionnalités
Amazon Rekognition Content Moderation version 7.0 ajoute 26 nouvelles étiquettes de modération et étend la taxonomie des étiquettes de modération d'une catégorie d'étiquettes à deux niveaux à une catégorie d'étiquettes à trois niveaux. Ces nouvelles étiquettes et la taxonomie élargie permettent aux clients de détecter des concepts précis sur le contenu qu'ils souhaitent modérer. De plus, le modèle mis à jour introduit une nouvelle capacité permettant d'identifier deux nouveaux types de contenu, le contenu animé et illustré. Cela permet aux clients de créer des règles granulaires pour inclure ou exclure ces types de contenu de leur flux de travail de modération. Grâce à ces nouvelles mises à jour, les clients peuvent modérer le contenu conformément à leur politique de contenu avec une plus grande précision.
Examinons un exemple de détection d'étiquette de modération pour l'image suivante.
Le tableau suivant présente les étiquettes de modération, le type de contenu et les scores de confiance renvoyés dans la réponse de l'API.
Étiquettes de modération | Niveau de taxonomie | Scores de confiance |
Violence | L1 | 92.6% |
Violence graphique | L2 | 92.6% |
Explosions et explosions | L3 | 92.6% |
Types de contenu | Scores de confiance |
Illustré | 93.9% |
Pour obtenir la taxonomie complète de la version 7.0 de la modération de contenu, visitez notre guide du développeur.
Analyse groupée pour la modération du contenu
La modération du contenu Amazon Rekognition fournit également une modération d'images par lots en plus de la modération en temps réel à l'aide de Analyse groupée Amazon Rekognition. Il vous permet d'analyser de grandes collections d'images de manière asynchrone pour détecter le contenu inapproprié et obtenir des informations sur les catégories de modération attribuées aux images. Cela élimine également le besoin de créer une solution de modération d’images par lots pour les clients.
Vous pouvez accéder à la fonctionnalité d'analyse groupée via la console Amazon Rekognition ou en appelant les API directement à l'aide de l'AWS CLI et des kits SDK AWS. Sur la console Amazon Rekognition, vous pouvez télécharger les images que vous souhaitez analyser et obtenir des résultats en quelques clics. Une fois le travail d'analyse groupée terminé, vous pouvez identifier et afficher les prédictions des étiquettes de modération, telles que la nudité explicite et non explicite des parties intimes et les baisers, la violence, les drogues et le tabac, et bien plus encore. Vous recevez également un score de confiance pour chaque catégorie d'étiquette.
Créer une tâche d'analyse groupée sur la console Amazon Rekognition
Suivez les étapes suivantes pour essayer Amazon Rekognition Bulk Analysis :
- Sur la console Amazon Rekognition, choisissez Analyse en vrac dans le volet de navigation.
- Selectionnez Démarrer l'analyse groupée.
- Saisissez un nom de tâche et spécifiez les images à analyser, soit en saisissant un emplacement de compartiment S3, soit en téléchargeant des images depuis votre ordinateur.
- En option, vous pouvez sélectionner un adaptateur pour analyser les images à l'aide de l'adaptateur personnalisé que vous avez formé à l'aide de la modération personnalisée.
- Selectionnez Lancer l'analyse pour exécuter le travail.
Une fois le processus terminé, vous pouvez voir les résultats sur la console Amazon Rekognition. En outre, une copie JSON des résultats de l'analyse sera stockée dans l'emplacement de sortie Amazon S3.
Demande d'API d'analyse en masse Amazon Rekognition
Dans cette section, nous vous guidons dans la création d'une tâche d'analyse groupée pour la modération des images à l'aide d'interfaces de programmation. Si vos fichiers image ne se trouvent pas déjà dans un compartiment S3, téléchargez-les pour garantir l'accès par Amazon Rekognition. Semblable à la création d'une tâche d'analyse groupée sur la console Amazon Rekognition, lors de l'appel du DébutMediaAnalysisJob API, vous devez fournir les paramètres suivants :
- OpérationsConfig – Voici les options de configuration pour le travail d'analyse des médias à créer :
- Confidence minimale – Le niveau de confiance minimum avec une plage valide de 0 à 100 pour les étiquettes de modération à renvoyer. Amazon Rekognition ne renvoie aucune étiquette avec un niveau de confiance inférieur à cette valeur spécifiée.
- Entrée – Cela inclut les éléments suivants :
- Objet S3 – Les informations sur l'objet S3 pour le fichier manifeste d'entrée, y compris le compartiment et le nom du fichier. Le fichier d'entrée comprend des lignes JSON pour chaque image stockée dans le compartiment S3. Par exemple:
{"source-ref": "s3://MY-INPUT-BUCKET/1.jpg"}
- Objet S3 – Les informations sur l'objet S3 pour le fichier manifeste d'entrée, y compris le compartiment et le nom du fichier. Le fichier d'entrée comprend des lignes JSON pour chaque image stockée dans le compartiment S3. Par exemple:
- Configuration de sortie – Cela inclut les éléments suivants :
- S3Seau – Le nom du compartiment S3 pour les fichiers de sortie.
- Préfixe de clé S3 – Le préfixe de clé pour les fichiers de sortie.
Voir le code suivant:
Vous pouvez appeler la même analyse multimédia à l'aide de la commande AWS CLI suivante :
Résultats de l'API d'analyse en masse Amazon Rekognition
Pour obtenir une liste des tâches d'analyse groupée, vous pouvez utiliser ListMediaAnalysisJobs
. La réponse inclut tous les détails sur les fichiers d'entrée et de sortie de la tâche d'analyse ainsi que l'état de la tâche :
Vous pouvez également invoquer le list-media-analysis-jobs
commande via l'AWS CLI :
Amazon Rekognition Bulk Analysis génère deux fichiers de sortie dans le compartiment de sortie. Le premier fichier est manifest-summary.json
, qui comprend des statistiques sur les tâches d'analyse groupée et une liste d'erreurs :
Le deuxième fichier est results.json
, qui comprend une ligne JSON pour chaque image analysée au format suivant. Chaque résultat comprend le catégorie de premier niveau (L1) d'une étiquette détectée et la catégorie de deuxième niveau de l'étiquette (L2), avec un score de confiance compris entre 1 et 100. Certaines étiquettes de taxonomie de niveau 2 peuvent avoir des étiquettes de taxonomie de niveau 3 (L3). Cela permet une classification hiérarchique du contenu.
Vous pouvez utiliser Adaptateurs de modération personnalisés plus tard pour analyser vos images en sélectionnant simplement l'adaptateur personnalisé lors de la création d'une nouvelle tâche d'analyse groupée ou via l'API en transmettant l'ID unique de l'adaptateur personnalisé.
Résumé
Dans cet article, nous avons fourni un aperçu de la modération de contenu version 7.0, de l'analyse groupée pour la modération de contenu et de la manière d'améliorer les prédictions de modération de contenu à l'aide de l'analyse groupée et de la modération personnalisée. Pour essayer les nouvelles étiquettes de modération et l'analyse groupée, connectez-vous à votre compte AWS et consultez la console Amazon Rekognition pour Modération des images ainsi que Analyse en vrac.
À propos des auteurs
Mehdy Haghy est architecte de solutions senior au sein de l'équipe AWS WWCS, spécialisé dans l'IA et le ML sur AWS. Il travaille avec des entreprises clientes, les aidant à migrer, moderniser et optimiser leurs charges de travail pour le cloud AWS. Dans ses temps libres, il aime cuisiner des plats persans et bricoler des appareils électroniques.
Shipra Kanoria est chef de produit principal chez AWS. Elle se passionne pour aider les clients à résoudre leurs problèmes les plus complexes grâce à la puissance de l'apprentissage automatique et de l'intelligence artificielle. Avant de rejoindre AWS, Shipra a passé plus de 4 ans chez Amazon Alexa, où elle a lancé de nombreuses fonctionnalités liées à la productivité sur l'assistant vocal Alexa.
Maria Handoko est chef de produit senior chez AWS. Elle se concentre sur l'aide aux clients pour résoudre leurs problèmes commerciaux grâce à l'apprentissage automatique et à la vision par ordinateur. Dans ses temps libres, elle aime faire de la randonnée, écouter des podcasts et explorer différentes cuisines.
- Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
- PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
- PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
- PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
- PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
- La source: https://aws.amazon.com/blogs/machine-learning/improving-content-moderation-with-amazon-rekognition-bulk-analysis-and-custom-moderation/
- :est
- :ne pas
- :où
- 1
- 10
- 100
- 11
- 12
- 14
- 20
- 22
- 24
- 26%
- 50
- 60
- 7
- 91
- a
- A Propos
- accès
- conformité
- Compte
- précision
- à travers
- ajouter
- ajoutant
- ajout
- En outre
- Ajoute
- Numérique
- AI
- Alexa
- Tous
- permet
- déjà
- aussi
- Amazon
- Amazon Reconnaissance
- Amazon Web Services
- an
- selon une analyse de l’Université de Princeton
- il analyse
- analysé
- ainsi que
- tous
- api
- Apis
- applications
- approprié
- SONT
- artificiel
- intelligence artificielle
- AS
- attribué
- Assistante gérante
- At
- AWS
- base
- basé
- BE
- before
- ci-dessous
- jusqu'à XNUMX fois
- milliards
- brand
- Pause
- Développement
- la performance des entreprises
- by
- appel
- CAN
- capacités
- aptitude
- catégories
- Catégories
- globaux
- vérifier
- Selectionnez
- classification
- cli
- le cloud
- code
- collections
- commander
- Communautés
- complet
- finalise
- complexe
- composant
- composants électriques
- ordinateur
- Vision par ordinateur
- concepts
- confiance
- configuration
- Console
- contenu
- Types de contenu
- continuellement
- copier
- correct
- engendrent
- créée
- La création
- critique
- Courant
- Customiser
- Clients
- Tous les jours
- datetime
- profond
- l'apprentissage en profondeur
- détails
- détecter
- détecté
- Détection
- développé
- différent
- directement
- discuter
- Ne fait pas
- motivation
- Médicaments
- e
- e-commerce
- chacun
- même
- Easy
- facile à utiliser
- non plus
- Electronique
- élimine
- d'autre
- permettre
- permet
- participation
- de renforcer
- assurer
- entrant
- Entreprise
- Erreurs
- évalué
- exemple
- à l'exclusion
- étendu
- se développe
- nous a permis de concevoir
- Explorer
- étendre
- Échoué
- non
- Fonctionnalité
- Fonctionnalités:
- few
- Déposez votre dernière attestation
- Fichiers
- Prénom
- se concentre
- suivre
- Abonnement
- aliments
- Pour
- le format
- Accueillir
- De
- plein
- Gain
- jeux
- génère
- obtenez
- granulaire
- guide
- Vous avez
- he
- aider
- ici
- Hiérarchique
- augmentation
- très
- sa
- Comment
- How To
- HTML
- http
- HTTPS
- i
- ID
- identifier
- if
- image
- satellite
- importer
- améliorer
- l'amélioration de
- in
- inclut
- Y compris
- secteurs
- d'information
- contribution
- idées.
- Intelligence
- interfaces
- intime
- développement
- Introduit
- IT
- Emploi
- Emplois
- joindre
- jpg
- json
- ACTIVITES
- Embrasser
- L1
- l2
- Libellé
- Etiquettes
- gros
- plus tard
- Nouveautés
- lancé
- apprentissage
- au
- Niveau
- Gamme
- lignes
- Liste
- Écoute
- emplacement
- enregistrer
- Style
- baisser
- click
- machine learning
- FAIT DU
- manager
- de nombreuses
- marque
- Stratégie
- Mai..
- Médias
- émigrer
- minimum
- ML
- modèle
- modérée
- modération
- moderniser
- application
- PLUS
- (en fait, presque toutes)
- prénom
- Navigation
- Besoin
- négatif
- négatifs
- Nouveauté
- aucune
- objet
- obtenir
- of
- offensive
- on
- une fois
- ONE
- Optimiser
- Options
- or
- de commander
- OS
- nos
- ande
- sortie
- plus de
- vue d'ensemble
- page
- pain
- paramètres
- les pièces
- En passant
- passionné
- /
- pilules
- plateforme
- Platon
- Intelligence des données Platon
- PlatonDonnées
- Podcasts
- politique
- positif
- Post
- power
- prédit
- prédiction
- Prédictions
- condition préalable
- représentent
- Directeur
- d'ouvrabilité
- processus
- Produit
- chef de produit
- Produits
- Programmation
- protéger
- proven
- fournir
- à condition de
- fournit
- vite.
- gamme
- en temps réel
- recevoir
- région
- compter
- réputation
- a besoin
- réponse
- résultat
- Résultats
- détail
- retourner
- Courir
- des
- même
- évolutive
- scientifiques
- But
- scores
- SDK
- Deuxièmement
- Section
- sur le lien
- Sélectionner
- la sélection
- supérieur
- service
- Services
- Session
- elle
- Spectacles
- similaires
- étapes
- simplement
- sur mesure
- Solutions
- RÉSOUDRE
- quelques
- spécialisation
- spécifié
- dépensé
- statistiques
- Statut
- Étapes
- storage
- stockée
- tel
- RÉSUMÉ
- table
- taxonomie
- équipe
- Technologie
- que
- qui
- La
- leur
- Les
- puis
- Ces
- l'ont
- this
- Avec
- fiable
- à
- Train
- qualifié
- Formation
- oui
- Essai
- deux
- type
- types
- ugc
- expérience unique et authentique
- indésirable
- a actualisé
- Actualités
- téléchargé
- Téléchargement
- utilisé
- Utilisateur
- en utilisant
- Info de contact.
- VALIDER
- Plus-value
- Vérification
- vérifications
- vérifier
- version
- via
- Vidéo
- Vidéos
- Voir
- Violence
- vision
- Visiter
- Voix
- Attendre
- souhaitez
- we
- web
- services Web
- quand
- qui
- tout en
- sera
- comprenant
- activités principales
- workflow
- vos contrats
- X
- années
- Vous n'avez
- Votre
- zéphyrnet