Rekognition di Amazon offre funzionalità di visione artificiale preaddestrate e personalizzabili per estrarre informazioni e approfondimenti da immagini e video. Una di queste capacità è Etichette di riconoscimento Amazon, che rileva oggetti, scene, azioni e concetti nelle immagini. Clienti come Synchronoss, Shutterstocke Nomad Media utilizzano Amazon Rekognition Labels per aggiungere automaticamente metadati alla loro libreria di contenuti e abilitare i risultati di ricerca basati sui contenuti. TripleLift utilizza Amazon Rekognition Labels per determinare i momenti migliori per inserire dinamicamente annunci che completano l'esperienza visiva per il pubblico. vidmob utilizza Amazon Rekognition Labels per estrarre i metadati dalle creatività degli annunci per comprendere il ruolo unico del processo decisionale creativo nella performance degli annunci, in modo che i professionisti del marketing possano produrre annunci che abbiano un impatto sugli obiettivi chiave a cui tengono di più. Inoltre, migliaia di altri clienti utilizzano Amazon Rekognition Labels per supportare molti altri casi d'uso, come la classificazione di foto di sentieri o escursioni, il rilevamento di persone o veicoli nei filmati delle telecamere di sicurezza e la classificazione delle immagini dei documenti di identità.
Amazon Rekognition Labels per immagini rileva 600 nuove etichette, inclusi punti di riferimento e attività, e migliora la precisione per oltre 2,000 etichette esistenti. Inoltre, Amazon Rekognition Labels ora supporta le proprietà dell'immagine per rilevare i colori dominanti di un'immagine, il suo primo piano e lo sfondo, nonché gli oggetti rilevati con riquadri di delimitazione. Proprietà immagine misura anche la luminosità, la nitidezza e il contrasto dell'immagine. Infine, Amazon Rekognition Labels ora organizza i risultati delle etichette utilizzando due campi aggiuntivi, aliases
ed categories
e supporta il filtraggio di tali risultati. Nelle sezioni seguenti, esaminiamo le nuove funzionalità ei relativi vantaggi in modo più dettagliato con alcuni esempi.
Nuove etichette
Amazon Rekognition Labels ha aggiunto oltre 600 nuove etichette, ampliando l'elenco delle etichette supportate. Di seguito sono riportati alcuni esempi delle nuove etichette:
- Punti di riferimento popolari – Ponte di Brooklyn, Colosseo, Torre Eiffel, Machu Picchu, Taj Mahal, ecc.
- Attività – Applausi, andare in bicicletta, festeggiare, saltare, camminare con il cane, ecc.
- Rilevamento dei danni - Ammaccatura, graffio, corrosione, danni alla casa, danni al tetto, danni alle termiti, ecc.
- Testo e documenti – Grafico a barre, carta d'imbarco, diagramma di flusso, taccuino, fattura, ricevuta, ecc.
- Sports – Partita di baseball, mazza da cricket, pattinaggio artistico, rugby, pallanuoto, ecc.
- Molti altri – Corse in barca, Divertimento, Paesaggio urbano, Villaggio, Proposta di matrimonio, Banchetto, ecc.
Con queste etichette, i clienti della condivisione di immagini, della fotografia d'archivio o dei media broadcast possono aggiungere automaticamente nuovi metadati alla loro libreria di contenuti per migliorare le loro capacità di ricerca.
Diamo un'occhiata a un esempio di rilevamento delle etichette per il ponte di Brooklyn.
La tabella seguente mostra le etichette e i punteggi di attendibilità restituiti nella risposta API.
per il tuo brand | Punteggi di fiducia |
Ponte di Brooklyn | 95.6 |
Ponte | 95.6 |
Punto di riferimento | 95.6 |
Etichette migliorate
Amazon Rekognition Labels ha anche migliorato la precisione per oltre 2,000 etichette. Di seguito sono riportati alcuni esempi delle etichette migliorate:
- Attività – Immergersi, guidare, leggere, sedersi, stare in piedi, ecc.
- Abbigliamento e accessori – Zaino, cintura, camicetta, felpa con cappuccio, giacca, scarpa, ecc.
- Casa e interni – Piscina, pianta in vaso, cuscino, caminetto, coperta, ecc.
- Tecnologia e informatica - Cuffie, telefono cellulare, tablet, lettura, laptop, ecc.
- Veicoli e automotive - Camion, ruote, pneumatici, paraurti, seggiolini auto, specchietti per auto, ecc.
- Testo e documenti – Passaporto, patente di guida, biglietto da visita, documento, ecc.
- Molti altri – Cane, canguro, piazza cittadina, festival, risate, ecc.
Proprietà dell'immagine per il rilevamento del colore dominante e la qualità dell'immagine
Image Properties è una nuova funzionalità di Amazon Rekognition Labels per le immagini e può essere utilizzata con o senza la funzionalità di rilevamento delle etichette. Nota: Proprietà immagine è prezzo a parte da Amazon Rekognition Labels ed è disponibile solo con gli SDK aggiornati.
Rilevamento del colore dominante
Proprietà immagine identifica i colori dominanti in un'immagine in base alle percentuali di pixel. Questi colori dominanti sono mappati al 140 palette di colori CSS, RGB, codice esadecimale e 12 colori semplificati (verde, rosa, nero, rosso, giallo, ciano, marrone, arancione, bianco, viola, blu, grigio). Per impostazione predefinita, l'API restituisce fino a 10 colori dominanti a meno che tu non specifichi il numero di colori da restituire. Il numero massimo di colori dominanti che l'API può restituire è 12.
Se utilizzato da solo, Proprietà immagine rileva i colori dominanti di un'intera immagine, nonché il primo piano e lo sfondo. Se utilizzato insieme alle funzionalità di rilevamento delle etichette, Proprietà immagine identifica anche i colori dominanti degli oggetti rilevati con i riquadri di delimitazione.
I clienti nella condivisione di immagini o nella fotografia stock possono utilizzare il rilevamento del colore dominante per arricchire i metadati della propria libreria di immagini per migliorare la scoperta dei contenuti, consentendo agli utenti finali di filtrare per colore o cercare oggetti con colori specifici, come "sedia blu" o "scarpe rosse". " Inoltre, i clienti della pubblicità possono determinare il rendimento degli annunci in base ai colori delle proprie risorse creative.
La qualità delle immagini
Oltre al rilevamento del colore dominante, Proprietà immagine misura anche la qualità dell'immagine attraverso i punteggi di luminosità, nitidezza e contrasto. Ciascuno di questi punteggi va da 0 a 100. Ad esempio, un'immagine molto scura restituirà valori di luminosità bassi, mentre un'immagine molto illuminata restituirà valori elevati.
Con questi punteggi, i clienti della condivisione di immagini, della pubblicità o dell'e-commerce possono eseguire controlli di qualità e filtrare le immagini con bassa luminosità e nitidezza per ridurre le previsioni di false etichette.
L'immagine seguente mostra un esempio con la Torre Eiffel.
La tabella seguente è un esempio dei dati delle proprietà dell'immagine restituiti nella risposta dell'API.
L'immagine seguente è un esempio per una sedia rossa.
Di seguito è riportato un esempio di dati Proprietà immagine restituiti nella risposta API.
L'immagine seguente è un esempio per un cane con uno sfondo giallo.
Di seguito è riportato un esempio di dati Proprietà immagine restituiti nella risposta API.
Nuovi campi di alias e categorie
Amazon Rekognition Labels ora restituisce due nuovi campi, aliases
ed categories
, nella risposta dell'API. Gli alias sono altri nomi per la stessa etichetta e le categorie raggruppano singole etichette in base a 40 temi comuni, ad esempio Food and Beverage
ed Animals and Pets
. Con l'aggiornamento del modello di rilevamento delle etichette, gli alias non vengono più restituiti nell'elenco principale dei nomi delle etichette. Invece, gli alias vengono restituiti nel nuovo aliases
campo nella risposta API. Nota: gli alias e le categorie vengono restituiti solo con gli SDK aggiornati.
I clienti nella condivisione di foto, nell'e-commerce o nella pubblicità possono utilizzare alias e categorie per organizzare la loro tassonomia dei metadati dei contenuti per migliorare ulteriormente la ricerca e il filtraggio dei contenuti:
- Esempio di alias - Perché
Car
edAutomobile
sono alias, puoi aggiungere metadati a un'immagine conCar
edAutomobile
contemporaneamente - Esempio di categorie – È possibile utilizzare le categorie per creare un filtro di categoria o visualizzare tutte le immagini relative a una particolare categoria, ad esempio
Food and Beverage
, senza dover aggiungere esplicitamente metadati a ciascuna immagine conFood and Beverage
L'immagine seguente mostra un esempio di rilevamento di etichette con alias e categorie per un subacqueo.
La tabella seguente mostra le etichette, i punteggi di affidabilità, gli alias e le categorie restituite nella risposta API.
per il tuo brand | Punteggi di fiducia | Alias | Categorie |
Natura | 99.9 | - | Natura e all'aperto |
Water | 99.9 | - | Natura e all'aperto |
Immersioni | 99.9 | Immersioni in acqua | Viaggi e Avventura |
Persona | 99.9 | Human | Descrizione della persona |
Attività Ricreative | 99.9 | Ricreazione | Viaggi e Avventura |
Gli Sport | 99.9 | Sports | Sports |
L'immagine seguente è un esempio per un ciclista.
La tabella seguente contiene le etichette, i punteggi di affidabilità, gli alias e le categorie restituite nella risposta API.
per il tuo brand | Punteggi di fiducia | Alias | Categorie |
Cielo | 99.9 | - | Natura e all'aperto |
All'aperto | 99.9 | - | Natura e all'aperto |
Persona | 98.3 | Human | Descrizione della persona |
tramonto | 98.1 | Crepuscolo, Alba | Natura e all'aperto |
Bicicletta | 96.1 | Biciclette | Hobby e interessi |
Ciclismo | 85.1 | Ciclista, ciclista in bicicletta | Azioni |
Filtri di inclusione ed esclusione
Amazon Rekognition Labels introduce nuove opzioni di filtro di inclusione ed esclusione nei parametri di input dell'API per restringere l'elenco specifico di etichette restituite nella risposta dell'API. Puoi fornire un elenco esplicito di etichette o categorie che desideri includere o escludere. Nota: questi filtri sono disponibili con gli SDK aggiornati.
I clienti possono utilizzare i filtri di inclusione ed esclusione per ottenere etichette o categorie specifiche a cui sono interessati senza dover creare una logica aggiuntiva nella loro applicazione. Ad esempio, i clienti delle assicurazioni possono utilizzare LabelCategoriesInclusionFilter
per includere solo i risultati dell'etichetta nel file Damage Detection
categoria.
Il codice seguente è una richiesta di esempio API con filtri di inclusione ed esclusione:
Di seguito sono riportati esempi di come funzionano i filtri di inclusione ed esclusione:
- Se vuoi solo rilevare
Person
edCar
e non preoccuparti delle altre etichette, puoi specificare [“Person”,”Car”
] nelLabelsInclusionFilter
. - Se si desidera rilevare tutte le etichette ad eccezione di
Clothing
, puoi specificare [“Clothing”
] nelLabelsExclusionFilter
. - Se si desidera rilevare solo le etichette all'interno del file
Animal and Pets
categorie ad eccezione diDog
edCat
, puoi specificare ["Animal and Pets"
] nelLabelCategoriesInclusionFilter
, insieme a ["Dog", "Cat"
] nelLabelsExclusionFilter
. - Se un'etichetta è specificata in
LabelsInclusionFilter
orLabelsExclusionFilter
, i relativi alias verranno inclusi o esclusi di conseguenza perchéaliases
è una sottotassonomia di etichette. Ad esempio, perchéAutomobile
è un alias diCar
, se specificatoCar
inLabelsInclusionFilter
, l'API restituirà il fileCar
etichetta conAutomobile
nelaliases
campo.
Conclusione
Amazon Rekognition Labels rileva 600 nuove etichette e migliora la precisione per oltre 2,000 etichette esistenti. Insieme a questi aggiornamenti, Amazon Rekognition Labels ora supporta le proprietà delle immagini, gli alias e le categorie, nonché l'inclusione e i filtri di inclusione.
Per provare il nuovo modello di rilevamento delle etichette con le sue nuove funzionalità, accedi al tuo account AWS e dai un'occhiata al Console di Amazon Rekognition per il rilevamento dell'etichetta e le proprietà dell'immagine. Per saperne di più, visita Rilevamento di etichette.
Circa gli autori
Maria Handoko è Senior Product Manager presso AWS. Si concentra sull'aiutare i clienti a risolvere le loro sfide aziendali attraverso l'apprendimento automatico e la visione artificiale. Nel tempo libero le piace fare escursioni, ascoltare podcast ed esplorare diverse cucine.
Shipra Kanoria è Principal Product Manager presso AWS. È appassionata di aiutare i clienti a risolvere i loro problemi più complessi con il potere dell'apprendimento automatico e dell'intelligenza artificiale. Prima di entrare in AWS, Shipra ha trascorso oltre 4 anni in Amazon Alexa, dove ha lanciato molte funzionalità relative alla produttività sull'assistente vocale Alexa.
- AI
- oh arte
- generatore d'arte
- un robot
- Rekognition di Amazon
- intelligenza artificiale
- certificazione di intelligenza artificiale
- intelligenza artificiale nel settore bancario
- robot di intelligenza artificiale
- robot di intelligenza artificiale
- software di intelligenza artificiale
- Apprendimento automatico di AWS
- blockchain
- conferenza blockchain ai
- geniale
- intelligenza artificiale conversazionale
- criptoconferenza ai
- dall's
- apprendimento profondo
- google ai
- machine learning
- Platone
- platone ai
- Platone Data Intelligence
- Gioco di Platone
- PlatoneDati
- gioco di plato
- scala ai
- sintassi
- zefiro