Amazon felismerés megkönnyíti a kép- és videóelemzés hozzáadását az alkalmazásokhoz. Ugyanazon a bevált, nagymértékben méretezhető, mély tanulási technológián alapul, amelyet az Amazon számítógépes látás tudósai fejlesztettek ki, hogy naponta több milliárd képet és videót elemezzenek. Használata nem igényel gépi tanulási (ML) szakértelmet, és folyamatosan új számítógépes látási funkciókat adunk a szolgáltatáshoz. Az Amazon Rekognition tartalmaz egy egyszerű, könnyen használható API-t, amely gyorsan elemezhet minden olyan képet vagy videofájlt, amely Amazon egyszerű tárolási szolgáltatás (Amazon S3).
Az ügyfelek olyan iparágakban, mint a reklám- és marketingtechnológia, a játék, a média, valamint a kiskereskedelem és az e-kereskedelem, a végfelhasználóik által feltöltött képekre (felhasználók által létrehozott tartalomra vagy UGC-re) támaszkodnak, mint kritikus összetevőre a platformjukon való elköteleződés növelésében. Használják Amazon Rekognition tartalommoderálás a nem megfelelő, nem kívánt és sértő tartalmak észlelésére a márka hírnevének védelme és a biztonságos felhasználói közösségek előmozdítása érdekében.
Ebben a bejegyzésben a következőkről fogunk beszélni:
- A tartalommoderálási modell 7.0-s verziója és képességei
- Hogyan működik az Amazon Rekognition tömeges elemzése a tartalommoderáláshoz?
- A tartalommoderálás előrejelzésének javítása tömeges elemzéssel és egyéni moderálással
A tartalommoderálási modell 7.0-s verziója és képességei
Az Amazon Rekognition Content Moderation 7.0-s verziója 26 új moderációs címkét ad hozzá, és a moderálási címke taxonómiáját kétszintűről háromszintű címkekategóriára bővíti. Ezek az új címkék és a kibővített taxonómia lehetővé teszik az ügyfelek számára, hogy észrevegyék a moderálni kívánt tartalom finomszemcsés fogalmait. Ezenkívül a frissített modell új képességet vezet be két új tartalomtípus azonosítására, az animált és az illusztrált tartalmakra. Ez lehetővé teszi az ügyfelek számára, hogy részletes szabályokat hozzanak létre az ilyen tartalomtípusok moderálási munkafolyamataikba való bevonására vagy kizárására. Ezekkel az új frissítésekkel az ügyfelek nagyobb pontossággal moderálhatják a tartalmakat a tartalmi irányelveiknek megfelelően.
Nézzünk egy moderációs címke észlelési példát a következő képhez.
A következő táblázat az API-válaszban visszaadott moderációs címkéket, tartalomtípust és megbízhatósági pontszámokat mutatja be.
Moderálási címkék | Taxonómiai szint | Magabiztossági pontszámok |
Erőszak | L1 | 92.6% |
Erőszakot ábrázoló | L2 | 92.6% |
Robbanások és robbanások | L3 | 92.6% |
Tartalomtípusok | Magabiztossági pontszámok |
Illusztrált | 93.9% |
A tartalommoderálás 7.0-s verziójának teljes taxonómiájának megszerzéséhez látogassa meg webhelyünket fejlesztői útmutató.
Tömeges elemzés a tartalom moderálásához
Az Amazon Rekognition Content Moderáció a valós idejű moderálás mellett kötegelt képmoderálást is biztosít Amazon Rekognition tömeges elemzése. Lehetővé teszi nagy képgyűjtemények aszinkron elemzését, hogy észlelje a nem megfelelő tartalmat, és betekintést nyerjen a képekhez rendelt moderációs kategóriákba. Ezenkívül szükségtelenné válik kötegelt képmoderálási megoldás létrehozása az ügyfelek számára.
A tömeges elemzés funkciót elérheti az Amazon Rekognition konzolon keresztül, vagy az API-k közvetlen meghívásával az AWS CLI és az AWS SDK-k használatával. Az Amazon Rekognition konzolon néhány kattintással feltöltheti az elemezni kívánt képeket, és eredményeket kaphat. A tömeges elemzési feladat befejezése után azonosíthatja és megtekintheti a moderálási címke előrejelzéseit, például az intim részek nyílt, nem nyílt meztelensége, csókolózás, erőszak, drogok és dohányzás stb. Minden címkekategóriához megbízhatósági pontszámot is kap.
Hozzon létre egy tömeges elemzési feladatot az Amazon Rekognition konzolon
Az Amazon Rekognition tömeges elemzésének kipróbálásához hajtsa végre a következő lépéseket:
- Az Amazon Rekognition konzolon válassza a lehetőséget Tömeges elemzés a navigációs ablaktáblában.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Indítsa el a Tömeges elemzést.
- Adja meg a feladat nevét, és adja meg az elemezni kívánt képeket egy S3 vödör helyének megadásával vagy a számítógépről való képek feltöltésével.
- Opcionálisan kiválaszthat egy adapter a képek elemzéséhez az egyéni moderálásra betanított egyéni adapter segítségével.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Indítsa el az elemzést hogy levezesse a munkát.
Amikor a folyamat befejeződött, az eredményeket megtekintheti az Amazon Rekognition konzolon. Ezenkívül az elemzési eredmények JSON-másolata az Amazon S3 kimeneti helyén lesz tárolva.
Amazon Rekognition Bulk Analysis API kérés
Ebben a részben végigvezetjük Önt egy tömeges elemzési feladat létrehozásán a képmoderáláshoz programozási felületek segítségével. Ha a képfájlok még nincsenek egy S3 tárolóban, töltse fel őket, hogy biztosítsa az Amazon Rekognition hozzáférését. Hasonlóan egy tömeges elemzési feladat létrehozásához az Amazon Rekognition konzolon, amikor meghívjuk a StartMediaAnalysisJob API, meg kell adnia a következő paramétereket:
- OperationsConfig – Ezek a létrehozandó adathordozó-elemzési feladat konfigurációs beállításai:
- MinConfidence – A moderálási címkék visszaküldéséhez szükséges minimális megbízhatósági szint 0–100 érvényes tartományban. Az Amazon Rekognition nem ad vissza olyan címkéket, amelyek megbízhatósági szintje alacsonyabb a megadott értéknél.
- Bemenet – Ez a következőket tartalmazza:
- S3Object – A bemeneti jegyzékfájl S3 objektuminformációi, beleértve a fájl tárolóját és nevét. A bemeneti fájl tartalmazza a JSON-sorokat az S3 tárolóban tárolt minden egyes képhez. például:
{"source-ref": "s3://MY-INPUT-BUCKET/1.jpg"}
- S3Object – A bemeneti jegyzékfájl S3 objektuminformációi, beleértve a fájl tárolóját és nevét. A bemeneti fájl tartalmazza a JSON-sorokat az S3 tárolóban tárolt minden egyes képhez. például:
- OutputConfig – Ez a következőket tartalmazza:
- S3 Vödör – A kimeneti fájlok S3 vödörneve.
- S3KeyPrefix – A kimeneti fájlok kulcselőtagja.
Lásd a következő kódot:
Ugyanezt az adathordozó-elemzést a következő AWS CLI paranccsal hívhatja meg:
Amazon Rekognition Bulk Analysis API eredményei
A tömeges elemzési feladatok listájának megtekintéséhez használhatja ListMediaAnalysisJobs
. A válasz minden részletet tartalmaz az elemzési feladat bemeneti és kimeneti fájljairól, valamint a job állapotáról:
Meghívhatja a list-media-analysis-jobs
parancs az AWS CLI-n keresztül:
Az Amazon Rekognition Bulk Analysis két kimeneti fájlt hoz létre a kimeneti tárolóban. Az első fájl az manifest-summary.json
, amely tömeges elemzési feladatokra vonatkozó statisztikákat és hibalistát tartalmaz:
A második fájl az results.json
, amely minden elemzett képenként egy JSON sort tartalmaz a következő formátumban. Minden eredmény tartalmazza a legfelső szintű kategória (L1) és a címke második szintű kategóriája (L2), 1-100 közötti megbízhatósági pontszámmal. Egyes 2. taxonómiai szintű címkéken lehetnek 3. taxonómiai szintű címkék (L3). Ez lehetővé teszi a tartalom hierarchikus osztályozását.
Használhatja Egyedi moderációs adapterek később elemezni a képeket úgy, hogy egyszerűen kiválasztja az egyéni adaptert, miközben új tömeges elemzési feladatot hoz létre, vagy API-n keresztül az egyéni adapter egyedi adapterazonosítójának átadásával.
Összegzésként
Ebben a bejegyzésben áttekintést adunk a tartalommoderálás 7.0-s verziójáról, a tartalommoderáláshoz szükséges tömeges elemzésről, valamint arról, hogyan javítható a tartalommoderálás előrejelzése a tömeges elemzés és az egyéni moderálás segítségével. Az új moderációs címkék és a tömeges elemzés kipróbálásához jelentkezzen be AWS-fiókjába, és nézze meg az Amazon Rekognition konzolt Képmoderálás és a Tömeges elemzés.
A szerzőkről
Mehdy Haghy az AWS WWCS csapatának vezető megoldási építésze, AI és ML szakterülete az AWS-en. Vállalati ügyfelekkel dolgozik, segít nekik áttelepülni, modernizálni és optimalizálni a munkaterhelésüket az AWS felhőhöz. Szabadidejében szeret perzsa ételeket főzni és elektronikai bütyköket készíteni.
Shipra Kanoria az AWS fő termékmenedzsere. Szenvedélyesen törekszik arra, hogy a gépi tanulás és a mesterséges intelligencia segítségével segítse ügyfeleit legbonyolultabb problémáik megoldásában. Mielőtt csatlakozott volna az AWS-hez, Shipra több mint 4 évet töltött az Amazon Alexánál, ahol számos, a termelékenységgel kapcsolatos funkciót bevezetett az Alexa hangasszisztensen.
Mária Handoko az AWS vezető termékmenedzsere. Arra összpontosít, hogy segítse ügyfeleit üzleti kihívásaik megoldásában a gépi tanulás és a számítógépes látás segítségével. Szabadidejében szeret túrázni, podcastokat hallgatni és különféle konyhákat felfedezni.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://aws.amazon.com/blogs/machine-learning/improving-content-moderation-with-amazon-rekognition-bulk-analysis-and-custom-moderation/
- :is
- :nem
- :ahol
- 1
- 10
- 100
- 11
- 12
- 14
- 20
- 22
- 24
- 26%
- 50
- 60
- 7
- 91
- a
- Rólunk
- hozzáférés
- összhangban
- Fiók
- pontosság
- át
- hozzá
- hozzáadásával
- mellett
- Ezen kívül
- Hozzáteszi
- Hirdetés
- AI
- Alexa
- Minden termék
- lehetővé teszi, hogy
- már
- Is
- amazon
- Amazon felismerés
- Az Amazon Web Services
- an
- elemzés
- elemez
- elemzett
- és a
- bármilyen
- api
- API-k
- alkalmazások
- megfelelő
- VANNAK
- mesterséges
- mesterséges intelligencia
- AS
- kijelölt
- Helyettes
- At
- AWS
- bázis
- alapján
- BE
- előtt
- lent
- között
- milliárd
- márka
- szünet
- Épület
- üzleti
- by
- hívás
- TUD
- képességek
- képesség
- kategóriák
- Kategória
- kihívások
- ellenőrizze
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a
- besorolás
- cli
- felhő
- kód
- gyűjtemény
- parancs
- Közösségek
- teljes
- Befejezi
- bonyolult
- összetevő
- alkatrészek
- számítógép
- Számítógépes látás
- fogalmak
- bizalom
- Configuration
- Konzol
- tartalom
- Tartalomtípusok
- folyamatosan
- másolat
- kijavítására
- teremt
- készítette
- létrehozása
- kritikai
- Jelenlegi
- szokás
- Ügyfelek
- napi
- dátum idő
- mély
- mély tanulás
- részletek
- kimutatására
- észlelt
- Érzékelés
- fejlett
- különböző
- közvetlenül
- megvitatni
- nem
- Nem
- hajtás
- Kábítószer
- e
- e-commerce
- minden
- könnyen
- könnyű
- könnyen használható
- bármelyik
- Elektronika
- megszünteti
- más
- lehetővé
- lehetővé teszi
- eljegyzés
- növelése
- biztosítására
- belépés
- Vállalkozás
- hibák
- értékelték
- példa
- kizárás
- kiterjesztett
- kitágul
- szakvélemény
- Feltárása
- terjed
- Sikertelen
- hamis
- Funkció
- Jellemzők
- kevés
- filé
- Fájlok
- vezetéknév
- koncentrál
- következik
- következő
- élelmiszerek
- A
- formátum
- Foster
- ból ből
- Tele
- Nyereség
- szerencsejáték
- generál
- kap
- szemcsés
- útmutató
- Legyen
- he
- segít
- neki
- hierarchikus
- <p></p>
- nagyon
- övé
- Hogyan
- How To
- HTML
- http
- HTTPS
- i
- ID
- azonosítani
- if
- kép
- képek
- importál
- javul
- javuló
- in
- magában foglalja a
- Beleértve
- iparágak
- információ
- bemenet
- meglátások
- Intelligencia
- interfészek
- meghitt
- bele
- Bemutatja
- IT
- Munka
- Állások
- csatlakozott
- jpg
- json
- Kulcs
- Csókolózás
- L1
- l2
- Címke
- Címkék
- nagy
- a későbbiekben
- legutolsó
- indított
- tanulás
- legkevésbé
- szint
- vonal
- vonalak
- Lista
- Kihallgatás
- elhelyezkedés
- log
- néz
- alacsonyabb
- gép
- gépi tanulás
- KÉSZÍT
- menedzser
- sok
- jel
- Marketing
- Lehet..
- Média
- vándorol
- minimum
- ML
- modell
- közepesen
- mérséklet
- korszerűsítésére
- moduláris
- több
- a legtöbb
- név
- Navigáció
- Szükség
- negatív
- negatívok
- Új
- nem
- tárgy
- szerez
- of
- támadó
- on
- egyszer
- ONE
- Optimalizálja
- Opciók
- or
- érdekében
- OS
- mi
- ki
- teljesítmény
- felett
- áttekintés
- oldal
- üvegtábla
- paraméterek
- alkatrészek
- Múló
- szenvedélyes
- mert
- tabletták
- emelvény
- Plató
- Platón adatintelligencia
- PlatoData
- Podcastek
- politika
- pozitív
- állás
- hatalom
- jósolt
- előrejelzés
- Tippek
- előfeltétel
- be
- Fő
- problémák
- folyamat
- Termékek
- termék menedzser
- Termékek
- Programozás
- védelme
- igazolt
- ad
- feltéve,
- biztosít
- gyorsan
- hatótávolság
- real-time
- kap
- vidék
- támaszkodnak
- hírnév
- megköveteli,
- válasz
- eredményez
- Eredmények
- kiskereskedelem
- visszatérés
- szabályok
- futás
- biztonságos
- azonos
- skálázható
- tudósok
- pontszám
- pontszámok
- sdks
- Második
- Rész
- lát
- válasszuk
- kiválasztása
- idősebb
- szolgáltatás
- Szolgáltatások
- ülés
- ő
- Műsorok
- hasonló
- Egyszerű
- egyszerűen
- megoldások
- Megoldások
- SOLVE
- néhány
- szakosodott
- meghatározott
- költött
- statisztika
- Állapot
- Lépései
- tárolás
- memorizált
- ilyen
- ÖSSZEFOGLALÓ
- táblázat
- taxonómia
- csapat
- Technológia
- mint
- hogy
- A
- azok
- Őket
- akkor
- Ezek
- ők
- ezt
- Keresztül
- idő
- nak nek
- Vonat
- kiképzett
- Képzések
- igaz
- megpróbál
- kettő
- típus
- típusok
- UGC
- egyedi
- felesleges
- frissítve
- Frissítés
- feltöltve
- Feltöltés
- használ
- használó
- segítségével
- érvényes
- ÉRVÉNYESÍT
- érték
- Igazolás
- ellenőrzések
- ellenőrzése
- változat
- keresztül
- videó
- Videók
- Megnézem
- Erőszak
- látomás
- Látogat
- Hang
- Várakozás
- akar
- we
- háló
- webes szolgáltatások
- amikor
- ami
- míg
- lesz
- val vel
- Munka
- munkafolyamat
- művek
- X
- év
- te
- A te
- zephyrnet