Rekognisi Amazon menawarkan kemampuan visi komputer terlatih dan dapat disesuaikan untuk mengekstrak informasi dan wawasan dari gambar dan video. Salah satu kemampuan tersebut adalah Label Pengakuan Amazon, yang mendeteksi objek, adegan, tindakan, dan konsep dalam gambar. Pelanggan seperti Synchronoss, Shutterstock, dan Nomad Media menggunakan Amazon Rekognition Labels untuk secara otomatis menambahkan metadata ke pustaka konten mereka dan mengaktifkan hasil pencarian berbasis konten. TripleLift menggunakan Amazon Rekognition Labels untuk menentukan momen terbaik untuk menyisipkan iklan secara dinamis yang melengkapi pengalaman menonton bagi audiens. vidmob menggunakan Amazon Rekognition Labels untuk mengekstrak metadata dari materi iklan untuk memahami peran unik pengambilan keputusan kreatif dalam kinerja iklan, sehingga pemasar dapat membuat iklan yang berdampak pada tujuan utama yang paling mereka pedulikan. Selain itu, ribuan pelanggan lainnya menggunakan Amazon Rekognition Labels untuk mendukung banyak kasus penggunaan lainnya, seperti mengklasifikasikan foto jalan setapak atau pendakian, mendeteksi orang atau kendaraan dalam rekaman kamera keamanan, dan mengklasifikasikan gambar dokumen identitas.
Amazon Rekognition Labels untuk gambar mendeteksi 600 label baru, termasuk landmark dan aktivitas, serta meningkatkan akurasi untuk lebih dari 2,000 label yang ada. Selain itu, Amazon Rekognition Labels kini mendukung Properti Gambar untuk mendeteksi warna dominan gambar, latar depan dan latar belakangnya, serta objek yang terdeteksi dengan kotak pembatas. Properti Gambar juga mengukur kecerahan, ketajaman, dan kontras gambar. Terakhir, Amazon Rekognition Labels kini mengatur hasil label menggunakan dua bidang tambahan, aliases
dan categories
, dan mendukung pemfilteran hasil tersebut. Di bagian berikut, kami meninjau kemampuan baru dan manfaatnya secara lebih mendetail dengan beberapa contoh.
Label baru
Amazon Rekognition Labels telah menambahkan lebih dari 600 label baru, memperluas daftar label yang didukung. Berikut adalah beberapa contoh label baru:
- Landmark populer โ Jembatan Brooklyn, Colosseum, Menara Eiffel, Machu Picchu, Taj Mahal, dll.
- Kegiatan โ Tepuk tangan, Bersepeda, Merayakan, Melompat, Anjing Berjalan, dll.
- Deteksi kerusakan โ Penyok Mobil, Goresan Mobil, Korosi, Kerusakan Rumah, Kerusakan Atap, Kerusakan Rayap, dll.
- Teks dan dokumen โ Diagram Batang, Boarding Pass, Diagram Alir, Buku Catatan, Faktur, Kwitansi, dll.
- Olahraga โ Game Baseball, Cricket Bat, Figure Skating, Rugby, Water Polo, dll.
- Masih banyak lagi โ Balap Perahu, Kesenangan, Cityscape, Desa, Proposal Pernikahan, Perjamuan, dll.
Dengan label ini, pelanggan dalam berbagi gambar, stok fotografi, atau media penyiaran dapat secara otomatis menambahkan metadata baru ke pustaka konten mereka untuk meningkatkan kemampuan pencarian mereka.
Mari kita lihat contoh pendeteksian label untuk Jembatan Brooklyn.
Tabel berikut menampilkan label dan skor keyakinan yang ditampilkan dalam respons API.
Label | Skor Keyakinan |
Jembatan Brooklyn | 95.6 |
Jembatan | 95.6 |
Landmark | 95.6 |
Label yang ditingkatkan
Amazon Rekognition Labels juga telah meningkatkan akurasi untuk lebih dari 2,000 label. Berikut adalah beberapa contoh label yang disempurnakan:
- Kegiatan โ Menyelam, Mengemudi, Membaca, Duduk, Berdiri, dll.
- Pakaian dan aksesoris โ Ransel, Sabuk, Blus, Hoodie, Jaket, Sepatu, dll.
- Rumah dan di dalam ruangan โ Kolam Renang, Pot Tanaman, Bantal, Perapian, Selimut, dll.
- Teknologi dan komputasi โ Headphone, Ponsel, Komputer Tablet, Membaca, Laptop, dll.
- Kendaraan dan otomotif โ Truk, Velg, Ban, Bumper, Jok Mobil, Spion Mobil, dll.
- Teks dan dokumen โ Paspor, SIM, Kartu Nama, Dokumen, dll.
- Masih banyak lagi โ Anjing, Kanguru, Alun-alun Kota, Festival, Tertawa, dll.
Properti Gambar untuk deteksi warna dominan dan kualitas gambar
Properti Gambar adalah kemampuan baru Amazon Rekognition Labels untuk gambar, dan dapat digunakan dengan atau tanpa fungsi deteksi label. Catatan: Properti Gambar adalah harga terpisah dari Amazon Rekognition Labels, dan hanya tersedia dengan SDK yang diperbarui.
Deteksi warna dominan
Properti Gambar mengidentifikasi warna dominan dalam gambar berdasarkan persentase piksel. Warna-warna dominan ini dipetakan ke 140 palet warna CSS, RGB, kode hex, dan 12 warna yang disederhanakan (hijau, merah muda, hitam, merah, kuning, cyan, coklat, oranye, putih, ungu, biru, abu-abu). Secara default, API menampilkan hingga 10 warna dominan kecuali jika Anda menentukan jumlah warna yang akan ditampilkan. Jumlah maksimum warna dominan yang dapat dikembalikan oleh API adalah 12.
Saat digunakan mandiri, Image Properties mendeteksi warna dominan dari seluruh gambar serta latar depan dan latar belakangnya. Saat digunakan bersama dengan fungsi deteksi label, Image Properties juga mengidentifikasi warna dominan dari objek yang terdeteksi dengan kotak pembatas.
Pelanggan dalam berbagi gambar atau stok fotografi dapat menggunakan deteksi warna dominan untuk memperkaya metadata pustaka gambar mereka guna meningkatkan penemuan konten, memungkinkan pengguna akhir memfilter menurut warna atau menelusuri objek dengan warna tertentu, seperti "kursi biru" atau "sepatu merah". โ Selain itu, pelanggan dalam periklanan dapat menentukan performa iklan berdasarkan warna aset materi iklan mereka.
Kualitas gambar
Selain deteksi warna dominan, Properti Gambar juga mengukur kualitas gambar melalui skor kecerahan, ketajaman, dan kontras. Masing-masing skor ini berkisar antara 0โ100. Misalnya, gambar yang sangat gelap akan mengembalikan nilai kecerahan rendah, sedangkan gambar yang terang akan mengembalikan nilai tinggi.
Dengan skor ini, pelanggan dalam berbagi gambar, iklan, atau e-niaga dapat melakukan pemeriksaan kualitas dan memfilter gambar dengan kecerahan dan ketajaman rendah untuk mengurangi prediksi label yang salah.
Gambar berikut menunjukkan contoh dengan Menara Eiffel.
Tabel berikut adalah contoh data Properti Gambar yang dikembalikan dalam respons API.
Gambar berikut adalah contoh kursi merah.
Berikut adalah contoh data Properti Gambar yang dikembalikan dalam respons API.
Gambar berikut adalah contoh anjing dengan latar belakang kuning.
Berikut adalah contoh data Properti Gambar yang dikembalikan dalam respons API.
Kolom alias dan kategori baru
Amazon Rekognition Labels kini mengembalikan dua bidang baru, aliases
dan categories
, dalam respons API. Alias โโadalah nama lain untuk label dan kategori yang sama mengelompokkan masing-masing label berdasarkan 40 tema umum, seperti Food and Beverage
dan Animals and Pets
. Dengan pembaruan model deteksi label, alias tidak lagi dikembalikan dalam daftar utama nama label. Sebagai gantinya, alias dikembalikan dengan yang baru aliases
dalam respons API. Catatan: Alias โโโโdan kategori hanya dikembalikan dengan SDK yang diperbarui.
Pelanggan dalam berbagi foto, e-niaga, atau iklan dapat menggunakan alias dan kategori untuk mengatur taksonomi metadata konten mereka untuk lebih menyempurnakan pencarian dan pemfilteran konten:
- Contoh alias - Karena
Car
danAutomobile
adalah alias, Anda dapat menambahkan metadata ke gambarCar
danAutomobile
pada saat yang sama - Contoh kategori โ Anda dapat menggunakan kategori untuk membuat filter kategori atau menampilkan semua gambar yang terkait dengan kategori tertentu, seperti
Food and Beverage
, tanpa harus menambahkan metadata secara eksplisit ke setiap gambarFood and Beverage
Gambar berikut menunjukkan contoh deteksi label dengan alias dan kategori untuk penyelam.
Tabel berikut menampilkan label, skor kepercayaan, alias, dan kategori yang dikembalikan dalam respons API.
Label | Skor Keyakinan | alias | Kategori |
Alam | 99.9 | - | Alam dan Luar Ruangan |
air | 99.9 | - | Alam dan Luar Ruangan |
Scuba Diving | 99.9 | Aqua Scuba | Perjalanan dan Petualangan |
Orang | 99.9 | Manusia | Deskripsi Orang |
Aktivitas santai | 99.9 | Rekreasi | Perjalanan dan Petualangan |
Olahraga | 99.9 | Olahraga | Olahraga |
Gambar berikut adalah contoh untuk pengendara sepeda.
Tabel berikut berisi label, skor keyakinan, alias, dan kategori yang dikembalikan dalam respons API.
Label | Skor Keyakinan | alias | Kategori |
Sky | 99.9 | - | Alam dan Luar Ruangan |
Di luar rumah | 99.9 | - | Alam dan Luar Ruangan |
Orang | 98.3 | Manusia | Deskripsi Orang |
Matahari terbenam | 98.1 | Senja, Fajar | Alam dan Luar Ruangan |
Sepeda | 96.1 | Sepeda | Hobi dan minat |
Bersepeda | 85.1 | Pengendara Sepeda, Pengendara Sepeda | tindakan |
Filter penyertaan dan pengecualian
Amazon Rekognition Labels memperkenalkan opsi pemfilteran inklusi dan pengecualian baru dalam parameter input API untuk mempersempit daftar spesifik label yang dikembalikan dalam respons API. Anda dapat memberikan daftar eksplisit label atau kategori yang ingin disertakan atau dikecualikan. Catatan: Filter ini tersedia dengan SDK yang diperbarui.
Pelanggan dapat menggunakan filter penyertaan dan pengecualian untuk mendapatkan label atau kategori tertentu yang mereka minati tanpa harus membuat logika tambahan dalam aplikasi mereka. Misalnya, pelanggan dalam asuransi dapat menggunakan LabelCategoriesInclusionFilter
untuk hanya menyertakan hasil label di Damage Detection
kategori.
Kode berikut adalah permintaan sampel API dengan filter penyertaan dan pengecualian:
Berikut adalah contoh cara kerja filter penyertaan dan pengecualian:
- Jika Anda hanya ingin mendeteksi
Person
danCar
, dan tidak peduli dengan label lain, Anda dapat menentukan [โPersonโ,โCarโ
] diLabelsInclusionFilter
. - Jika Anda ingin mendeteksi semua label kecuali
Clothing
, Anda dapat menentukan [โClothingโ
] diLabelsExclusionFilter
. - Jika Anda ingin mendeteksi hanya label di dalam
Animal and Pets
kategori kecuali untukDog
danCat
, Anda dapat menentukan ["Animal and Pets"
] dalamLabelCategoriesInclusionFilter
, dengan ["Dog", "Cat"
] diLabelsExclusionFilter
. - Jika label ditentukan di
LabelsInclusionFilter
orLabelsExclusionFilter
, alias mereka akan disertakan atau dikecualikan karenaaliases
adalah sub-taksonomi label. Misalnya, karenaAutomobile
adalah alias dariCar
, jika Anda tentukanCar
inLabelsInclusionFilter
, API akan mengembalikanCar
label denganAutomobile
dalamaliases
lapangan.
Kesimpulan
Amazon Rekognition Labels mendeteksi 600 label baru dan meningkatkan akurasi untuk lebih dari 2,000 label yang ada. Seiring dengan pembaruan ini, Amazon Rekognition Labels kini mendukung Properti Gambar, alias dan kategori, serta filter penyertaan dan penyertaan.
Untuk mencoba model deteksi label baru dengan fitur barunya, masuk ke akun AWS Anda dan periksa Konsol Amazon Rekognition untuk deteksi label dan properti gambar. Untuk mempelajari lebih lanjut, kunjungi Mendeteksi label.
Tentang penulis
Maria Handoko adalah Manajer Produk Senior di AWS. Dia berfokus untuk membantu pelanggan memecahkan tantangan bisnis mereka melalui pembelajaran mesin dan visi komputer. Di waktu luangnya, dia menikmati hiking, mendengarkan podcast, dan menjelajahi berbagai masakan.
Shipra Kanoria adalah Manajer Produk Utama di AWS. Dia bersemangat membantu pelanggan memecahkan masalah mereka yang paling kompleks dengan kekuatan pembelajaran mesin dan kecerdasan buatan. Sebelum bergabung dengan AWS, Shipra menghabiskan lebih dari 4 tahun di Amazon Alexa, di mana dia meluncurkan banyak fitur terkait produktivitas pada asisten suara Alexa.
- AI
- ai seni
- generator seni ai
- punya robot
- Rekognisi Amazon
- kecerdasan buatan
- sertifikasi kecerdasan buatan
- kecerdasan buatan dalam perbankan
- robot kecerdasan buatan
- robot kecerdasan buatan
- perangkat lunak kecerdasan buatan
- Pembelajaran Mesin AWS
- blockchain
- konferensi blockchain
- kecerdasan
- kecerdasan buatan percakapan
- konferensi kripto
- dall's
- belajar mendalam
- google itu
- Mesin belajar
- plato
- plato ai
- Kecerdasan Data Plato
- Permainan Plato
- Data Plato
- permainan plato
- skala ai
- sintaksis
- zephyrnet.dll