अमेज़ॅन रेकग्निशन छवियों और वीडियो से जानकारी और अंतर्दृष्टि निकालने के लिए पूर्व-प्रशिक्षित और अनुकूलन योग्य कंप्यूटर दृष्टि क्षमता प्रदान करता है। ऐसी ही एक क्षमता है अमेज़न मान्यता लेबल, जो छवियों में वस्तुओं, दृश्यों, क्रियाओं और अवधारणाओं का पता लगाता है। सिंक्रोनॉस जैसे ग्राहक, Shutterstock, और घुमंतू मीडिया अपनी सामग्री लाइब्रेरी में स्वचालित रूप से मेटाडेटा जोड़ने और सामग्री-आधारित खोज परिणामों को सक्षम करने के लिए Amazon Rekognition Labels का उपयोग करते हैं। TripleLift दर्शकों के लिए देखने के अनुभव को पूरक बनाने वाले विज्ञापनों को गतिशील रूप से सम्मिलित करने के लिए सर्वोत्तम क्षणों का निर्धारण करने के लिए Amazon Recognition Labels का उपयोग करता है। विदम्ब विज्ञापन प्रदर्शन में रचनात्मक निर्णय लेने की अनूठी भूमिका को समझने के लिए विज्ञापन क्रिएटिव से मेटाडेटा निकालने के लिए Amazon रिकॉग्निशन लेबल का उपयोग करता है, इसलिए मार्केटर्स ऐसे विज्ञापन बना सकते हैं जो उन प्रमुख उद्देश्यों को प्रभावित करते हैं जिनकी वे सबसे अधिक परवाह करते हैं। इसके अतिरिक्त, हजारों अन्य ग्राहक कई अन्य उपयोग के मामलों का समर्थन करने के लिए अमेज़ॅन रिकॉग्निशन लेबल का उपयोग करते हैं, जैसे ट्रेल या लंबी पैदल यात्रा की तस्वीरों को वर्गीकृत करना, सुरक्षा कैमरे के फुटेज में लोगों या वाहनों का पता लगाना और पहचान दस्तावेज चित्रों को वर्गीकृत करना।
छवियों के लिए अमेज़ॅन रिकॉग्निशन लेबल 600 नए लेबल का पता लगाता है, जिसमें लैंडमार्क और गतिविधियां शामिल हैं, और 2,000 से अधिक मौजूदा लेबल के लिए सटीकता में सुधार करता है। इसके अलावा, अमेज़ॅन रिकॉग्निशन लेबल्स अब एक छवि के प्रमुख रंगों, उसके अग्रभूमि और पृष्ठभूमि के साथ-साथ बाउंडिंग बॉक्स के साथ पता लगाई गई वस्तुओं का पता लगाने के लिए छवि गुणों का समर्थन करता है। छवि गुण छवि की चमक, तीखेपन और कंट्रास्ट को भी मापते हैं। अंत में, Amazon रिकॉग्निशन लेबल अब दो अतिरिक्त फ़ील्ड का उपयोग करके लेबल परिणामों को व्यवस्थित करता है, aliases
और categories
, और उन परिणामों को फ़िल्टर करने का समर्थन करता है। निम्नलिखित अनुभागों में, हम कुछ उदाहरणों के साथ नई क्षमताओं और उनके लाभों की अधिक विस्तार से समीक्षा करेंगे।
नए लेबल
Amazon Recognition Labels ने समर्थित लेबल की सूची का विस्तार करते हुए 600 से अधिक नए लेबल जोड़े हैं। नए लेबल के कुछ उदाहरण निम्नलिखित हैं:
- लोकप्रिय स्थलों - ब्रुकलिन ब्रिज, कोलोसियम, एफिल टॉवर, माचू पिचू, ताजमहल, आदि।
- क्रियाएँ - तालियां बजाना, साइकिल चलाना, जश्न मनाना, कूदना, कुत्ते को टहलाना आदि।
- नुकसान का पता लगाना - कार डेंट, कार स्क्रैच, संक्षारण, गृह क्षति, छत क्षति, दीमक क्षति इत्यादि।
- पाठ और दस्तावेज - बार चार्ट, बोर्डिंग पास, फ्लो चार्ट, नोटबुक, चालान, रसीद आदि।
- खेल-कूद - बेसबॉल खेल, क्रिकेट बैट, फिगर स्केटिंग, रग्बी, वाटर पोलो आदि।
- बहुत सारी - बोट रेसिंग, फन, सिटीस्केप, विलेज, वेडिंग प्रपोजल, बैंक्वेट आदि।
इन लेबलों के साथ, छवि साझाकरण, स्टॉक फ़ोटोग्राफ़ी, या प्रसारण मीडिया में ग्राहक अपनी खोज क्षमताओं को बेहतर बनाने के लिए स्वचालित रूप से अपनी सामग्री लाइब्रेरी में नया मेटाडेटा जोड़ सकते हैं।
आइए ब्रुकलिन ब्रिज के लिए एक लेबल डिटेक्शन उदाहरण देखें।
निम्न तालिका एपीआई प्रतिक्रिया में लौटाए गए लेबल और आत्मविश्वास स्कोर दिखाती है।
लेबल | आत्मविश्वास स्कोर |
ब्रुकलिन ब्रिज | 95.6 |
पुल | 95.6 |
निशान | 95.6 |
बेहतर लेबल
Amazon Recognition Labels ने 2,000 से अधिक लेबल के लिए सटीकता में भी सुधार किया है। बेहतर लेबल के कुछ उदाहरण निम्नलिखित हैं:
- क्रियाएँ - डाइविंग, ड्राइविंग, पढ़ना, बैठना, खड़े होना आदि।
- परिधान और सामान - बैग, बेल्ट, ब्लाउज, हुडी, जैकेट, जूता, आदि।
- घर और अंदर - स्विमिंग पूल, पॉटेड प्लांट, तकिया, फायरप्लेस, कंबल इत्यादि।
- प्रौद्योगिकी और कंप्यूटिंग - हेडफोन, मोबाइल फोन, टैबलेट कंप्यूटर, रीडिंग, लैपटॉप आदि।
- वाहन और मोटर वाहन - ट्रक, व्हील, टायर, बम्पर, कार सीट, कार मिरर इत्यादि।
- पाठ और दस्तावेज - पासपोर्ट, ड्राइविंग लाइसेंस, बिजनेस कार्ड, दस्तावेज आदि।
- बहुत सारी - कुत्ता, कंगारू, टाउन स्क्वायर, त्यौहार, हंसना इत्यादि।
प्रमुख रंग पहचान और छवि गुणवत्ता के लिए छवि गुण
छवि गुण छवियों के लिए Amazon Recognition Labels की एक नई क्षमता है, और इसका उपयोग लेबल पहचान कार्यक्षमता के साथ या उसके बिना किया जा सकता है। नोट: छवि गुण है अलग से कीमत Amazon Recognition Labels से, और केवल अपडेट किए गए SDK के साथ उपलब्ध है।
प्रमुख रंग पहचान
छवि गुण पिक्सेल प्रतिशत के आधार पर छवि में प्रमुख रंगों की पहचान करता है। इन प्रमुख रंगों को मैप किया जाता है 140 सीएसएस रंग पैलेट, आरजीबी, हेक्स कोड, और 12 सरलीकृत रंग (हरा, गुलाबी, काला, लाल, पीला, सियान, भूरा, नारंगी, सफेद, बैंगनी, नीला, ग्रे)। डिफ़ॉल्ट रूप से, एपीआई 10 प्रमुख रंगों तक लौटाता है जब तक कि आप लौटने के लिए रंगों की संख्या निर्दिष्ट नहीं करते। एपीआई द्वारा लौटाए जा सकने वाले प्रमुख रंगों की अधिकतम संख्या 12 है।
जब स्टैंडअलोन उपयोग किया जाता है, छवि गुण संपूर्ण छवि के प्रमुख रंगों के साथ-साथ इसके अग्रभूमि और पृष्ठभूमि का पता लगाता है। जब लेबल डिटेक्शन कार्यात्मकताओं के साथ एक साथ उपयोग किया जाता है, तो छवि गुण बाउंडिंग बॉक्स के साथ पहचाने गए ऑब्जेक्ट के प्रमुख रंगों की पहचान भी करते हैं।
छवि साझाकरण या स्टॉक फ़ोटोग्राफ़ी में ग्राहक सामग्री की खोज में सुधार करने के लिए अपनी छवि लाइब्रेरी मेटाडेटा को समृद्ध करने के लिए प्रमुख रंग पहचान का उपयोग कर सकते हैं, जिससे उनके अंतिम-उपयोगकर्ताओं को "ब्लू चेयर" या "लाल जूते" जैसे विशिष्ट रंगों के साथ रंग या खोज वस्तुओं को फ़िल्टर करने की अनुमति मिलती है। ” इसके अतिरिक्त, विज्ञापन में ग्राहक अपनी रचनात्मक संपत्तियों के रंगों के आधार पर विज्ञापन प्रदर्शन निर्धारित कर सकते हैं।
छवि गुणवत्ता
प्रमुख रंग पहचान के अलावा, छवि गुण भी चमक, तीक्ष्णता और कंट्रास्ट स्कोर के माध्यम से छवि गुणों को मापते हैं। इनमें से प्रत्येक स्कोर 0-100 के बीच है। उदाहरण के लिए, एक बहुत गहरी छवि कम चमक मान लौटाती है, जबकि एक चमकदार रोशनी वाली छवि उच्च मान लौटाती है।
इन अंकों के साथ, छवि साझाकरण, विज्ञापन या ईकॉमर्स के ग्राहक गुणवत्ता निरीक्षण कर सकते हैं और झूठे लेबल पूर्वानुमानों को कम करने के लिए कम चमक और तीक्ष्णता वाली छवियों को फ़िल्टर कर सकते हैं।
निम्न छवि एफिल टॉवर के साथ एक उदाहरण दिखाती है।
निम्न तालिका एपीआई प्रतिक्रिया में लौटाए गए छवि गुण डेटा का एक उदाहरण है।
निम्न छवि लाल कुर्सी के लिए एक उदाहरण है।
निम्नलिखित एपीआई प्रतिक्रिया में लौटाए गए छवि गुण डेटा का एक उदाहरण है।
निम्न छवि पीले रंग की पृष्ठभूमि वाले कुत्ते के लिए एक उदाहरण है।
निम्नलिखित एपीआई प्रतिक्रिया में लौटाए गए छवि गुण डेटा का एक उदाहरण है।
नए उपनाम और श्रेणियां फ़ील्ड
Amazon Recognition Labels अब दो नए क्षेत्र लौटाता है, aliases
और categories
, एपीआई प्रतिक्रिया में। उपनाम एक ही लेबल के लिए अन्य नाम हैं और श्रेणियां 40 सामान्य विषयों के आधार पर अलग-अलग लेबल समूह बनाती हैं, जैसे Food and Beverage
और Animals and Pets
. लेबल डिटेक्शन मॉडल अपडेट के साथ, उपनाम अब लेबल नामों की प्राथमिक सूची में वापस नहीं आते हैं। इसके बजाय, उपनाम नए में लौटाए जाते हैं aliases
एपीआई प्रतिक्रिया में फ़ील्ड। नोट: उपनाम और श्रेणियां केवल अपडेट किए गए SDK के साथ लौटाई जाती हैं।
फोटो शेयरिंग, ईकॉमर्स, या विज्ञापन में ग्राहक सामग्री खोज और फ़िल्टरिंग को और बढ़ाने के लिए अपनी सामग्री मेटाडेटा वर्गीकरण को व्यवस्थित करने के लिए उपनामों और श्रेणियों का उपयोग कर सकते हैं:
- उपनाम उदाहरण - चूंकि
Car
औरAutomobile
उपनाम हैं, आप किसी छवि में मेटाडेटा जोड़ सकते हैंCar
औरAutomobile
एक ही समय में - श्रेणियाँ उदाहरण - आप श्रेणी फ़िल्टर बनाने के लिए श्रेणियों का उपयोग कर सकते हैं या किसी विशेष श्रेणी से संबंधित सभी छवियों को प्रदर्शित कर सकते हैं, जैसे
Food and Beverage
, बिना स्पष्ट रूप से प्रत्येक छवि में मेटाडेटा जोड़ने के लिएFood and Beverage
निम्न छवि एक गोताखोर के लिए उपनाम और श्रेणियों के साथ एक लेबल पहचान उदाहरण दिखाती है।
निम्न तालिका एपीआई प्रतिक्रिया में लौटाए गए लेबल, आत्मविश्वास स्कोर, उपनाम और श्रेणियां दिखाती है।
लेबल | आत्मविश्वास स्कोर | फर्जी नाम | श्रेणियाँ |
प्रकृति | 99.9 | - | प्रकृति और बाहर |
पानी | 99.9 | - | प्रकृति और बाहर |
स्कूबा डाइविंग | 99.9 | एक्वा स्कूबा | यात्रा और साहसिक |
व्यक्ति | 99.9 | मानव | व्यक्ति विवरण |
फुरसत की गतिविधियां | 99.9 | मनोरंजन | यात्रा और साहसिक |
खेल | 99.9 | खेल-कूद | खेल-कूद |
निम्नलिखित छवि एक साइकिल चालक के लिए एक उदाहरण है।
निम्न तालिका में एपीआई प्रतिक्रिया में लौटाए गए लेबल, आत्मविश्वास स्कोर, उपनाम और श्रेणियां शामिल हैं।
लेबल | आत्मविश्वास स्कोर | फर्जी नाम | श्रेणियाँ |
आकाश | 99.9 | - | प्रकृति और बाहर |
सड़क पर | 99.9 | - | प्रकृति और बाहर |
व्यक्ति | 98.3 | मानव | व्यक्ति विवरण |
सूर्य का अस्त होना | 98.1 | शाम भोर | प्रकृति और बाहर |
साइकिल | 96.1 | बाइक | शौक और रुचियाँ |
सायक्लिंग | 85.1 | साइकिल चालक, बाइक साइकिल चालक | क्रियाएँ |
समावेशन और बहिष्करण फ़िल्टर
अमेज़ॅन रिकॉग्निशन लेबल एपीआई प्रतिक्रिया में लौटाए गए लेबल की विशिष्ट सूची को कम करने के लिए एपीआई इनपुट पैरामीटर में नए समावेशन और बहिष्करण फ़िल्टरिंग विकल्प पेश करता है। आप उन लेबल या श्रेणियों की एक स्पष्ट सूची प्रदान कर सकते हैं जिन्हें आप शामिल या बहिष्कृत करना चाहते हैं। नोट: ये फ़िल्टर अपडेट किए गए SDK के साथ उपलब्ध हैं।
ग्राहक अपने आवेदन में अतिरिक्त तर्क बनाए बिना विशिष्ट लेबल या श्रेणियां प्राप्त करने के लिए समावेशन और बहिष्करण फ़िल्टर का उपयोग कर सकते हैं। उदाहरण के लिए, बीमा में ग्राहक उपयोग कर सकते हैं LabelCategoriesInclusionFilter
में केवल लेबल परिणाम शामिल करने के लिए Damage Detection
वर्ग.
निम्नलिखित कोड समावेशन और बहिष्करण फ़िल्टर के साथ एक एपीआई नमूना अनुरोध है:
समावेशन और बहिष्करण फ़िल्टर कैसे काम करते हैं, इसके उदाहरण निम्नलिखित हैं:
- यदि आप केवल पता लगाना चाहते हैं
Person
औरCar
, और अन्य लेबलों की परवाह न करें, आप निर्दिष्ट कर सकते हैं [“Person”,”Car”
] में हैLabelsInclusionFilter
. - यदि आप को छोड़कर सभी लेबलों का पता लगाना चाहते हैं
Clothing
, आप निर्दिष्ट कर सकते हैं [“Clothing”
] में हैLabelsExclusionFilter
. - यदि आप केवल लेबल का पता लगाना चाहते हैं
Animal and Pets
श्रेणियों को छोड़करDog
औरCat
, आप निर्दिष्ट कर सकते हैं ["Animal and Pets"
] मेंLabelCategoriesInclusionFilter
, साथ ["Dog", "Cat"
] में हैLabelsExclusionFilter
. - यदि कोई लेबल निर्दिष्ट किया गया है
LabelsInclusionFilter
orLabelsExclusionFilter
, उनके उपनाम तदनुसार शामिल या बहिष्कृत किए जाएंगे क्योंकिaliases
लेबल का एक उप-वर्गीकरण है। उदाहरण के लिए, क्योंकिAutomobile
का एक उपनाम हैCar
, यदि आप निर्दिष्ट करते हैंCar
inLabelsInclusionFilter
, एपीआई वापस आ जाएगीCar
के साथ लेबलAutomobile
मेंaliases
खेत।
निष्कर्ष
Amazon रिकॉग्निशन लेबल 600 नए लेबल का पता लगाता है और 2,000 से अधिक मौजूदा लेबल के लिए सटीकता में सुधार करता है। इन अद्यतनों के साथ, Amazon Rekognition Labels अब छवि गुणों, उपनामों और श्रेणियों के साथ-साथ समावेशन और समावेशन फ़िल्टर का समर्थन करता है।
नए लेबल डिटेक्शन मॉडल को इसकी नई विशेषताओं के साथ आज़माने के लिए, अपने AWS खाते में लॉग इन करें और देखें अमेज़ॅन रेकग्निशन कंसोल लेबल पहचान और छवि गुणों के लिए। अधिक जानने के लिए, पर जाएँ लेबल का पता लगाना.
लेखक के बारे में
मारिया हांडोको AWS में एक वरिष्ठ उत्पाद प्रबंधक हैं। वह मशीन लर्निंग और कंप्यूटर विजन के माध्यम से ग्राहकों को उनकी व्यावसायिक चुनौतियों को हल करने में मदद करने पर ध्यान केंद्रित करती है। अपने खाली समय में, वह लंबी पैदल यात्रा, पॉडकास्ट सुनना और विभिन्न व्यंजनों की खोज करना पसंद करती है।
शिप्रा कनोरिया AWS में प्रधान उत्पाद प्रबंधक हैं। उन्हें मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस की शक्ति से ग्राहकों की सबसे जटिल समस्याओं को हल करने में मदद करने का जुनून है। AWS में शामिल होने से पहले, शिप्रा ने Amazon Alexa में 4 साल से अधिक समय बिताया, जहाँ उन्होंने Alexa वॉयस असिस्टेंट पर उत्पादकता से संबंधित कई सुविधाएँ लॉन्च कीं।
- AI
- ai कला
- ऐ कला जनरेटर
- ऐ रोबोट
- अमेज़ॅन रेकग्निशन
- कृत्रिम बुद्धिमत्ता
- कृत्रिम बुद्धिमत्ता प्रमाणन
- बैंकिंग में आर्टिफिशियल इंटेलिजेंस
- आर्टिफिशियल इंटेलिजेंस रोबोट
- आर्टिफिशियल इंटेलिजेंस रोबोट
- कृत्रिम बुद्धि सॉफ्टवेयर
- AWS मशीन लर्निंग
- blockchain
- ब्लॉकचेन सम्मेलन एआई
- कॉइनजीनियस
- संवादी कृत्रिम बुद्धिमत्ता
- क्रिप्टो सम्मेलन एआई
- दल-ए
- ध्यान लगा के पढ़ना या सीखना
- इसे गूगल करें
- यंत्र अधिगम
- प्लेटो
- प्लेटो एआई
- प्लेटो डेटा इंटेलिजेंस
- प्लेटो गेम
- प्लेटोडाटा
- प्लेटोगेमिंग
- स्केल एआई
- वाक्यविन्यास
- जेफिरनेट