Le aziende fanno sempre più affidamento su immagini e video generati dagli utenti per il coinvolgimento. Dalle piattaforme di e-commerce che incoraggiano i clienti a condividere le immagini dei prodotti alle società di social media che promuovono video e immagini generati dagli utenti, l'utilizzo dei contenuti degli utenti per il coinvolgimento è una strategia potente. Tuttavia, può essere difficile garantire che questi contenuti generati dagli utenti siano coerenti con le tue politiche e promuovano una comunità online sicura per i tuoi utenti.
Molte aziende attualmente dipendono da moderatori umani o rispondono in modo reattivo ai reclami degli utenti per gestire contenuti inappropriati generati dagli utenti. Questi approcci non sono in grado di moderare in modo efficace milioni di immagini e video con qualità o velocità sufficienti, il che porta a un'esperienza utente scadente, a costi elevati per raggiungere la scalabilità o addirittura a potenziali danni alla reputazione del marchio.
In questo post, discutiamo come utilizzare la funzione di moderazione personalizzata in Rekognition di Amazon per migliorare la precisione della tua API di moderazione dei contenuti pre-addestrata.
Moderazione dei contenuti in Amazon Rekognition
Amazon Rekognition è un servizio di intelligenza artificiale (AI) gestito che offre funzionalità di visione artificiale preaddestrate e personalizzabili per estrarre informazioni e approfondimenti da immagini e video. Una di queste capacità è Moderazione dei contenuti di Amazon Rekognition, che rileva contenuti inappropriati o indesiderati in immagini e video. Amazon Rekognition utilizza una tassonomia gerarchica per etichettare i contenuti inappropriati o indesiderati con 10 categorie di moderazione di livello superiore (come violenza, esplicito, alcol o droghe) e 35 categorie di secondo livello. I clienti di settori quali e-commerce, social media e giochi possono utilizzare la moderazione dei contenuti in Amazon Rekognition per proteggere la reputazione del proprio marchio e promuovere comunità di utenti sicure.
Utilizzando Amazon Rekognition per la moderazione di immagini e video, i moderatori umani devono rivedere un insieme di contenuti molto più piccolo, in genere l'1–5% del volume totale, già contrassegnato dal modello di moderazione dei contenuti. Ciò consente alle aziende di concentrarsi su attività di maggior valore e ottenere comunque una copertura di moderazione completa a una frazione del costo esistente.
Presentazione della moderazione personalizzata di Amazon Rekognition
Ora puoi migliorare la precisione del modello di moderazione di Rekognition per i dati specifici della tua azienda con la funzione di moderazione personalizzata. Puoi addestrare un adattatore personalizzato con un minimo di 20 immagini annotate in meno di 1 ora. Questi adattatori estendono le funzionalità del modello di moderazione per rilevare le immagini utilizzate per l'addestramento con maggiore precisione. Per questo post, utilizziamo un set di dati di esempio contenente sia immagini sicure che immagini con bevande alcoliche (considerate non sicure) per migliorare la precisione dell'etichetta di moderazione dell'alcol.
L'ID univoco dell'adattatore addestrato può essere fornito all'esistente Rileva etichette di moderazione Operazione API per elaborare le immagini utilizzando questo adattatore. Ciascun adattatore può essere utilizzato solo dall'account AWS utilizzato per l'addestramento dell'adattatore, garantendo che i dati utilizzati per l'addestramento rimangano sicuri e protetti in tale account AWS. Con la funzionalità di moderazione personalizzata, puoi personalizzare il modello di moderazione pre-addestrato di Rekognition per migliorare le prestazioni sul tuo specifico caso d'uso di moderazione, senza alcuna esperienza di machine learning (ML). Puoi continuare a usufruire dei vantaggi di un servizio di moderazione completamente gestito con un modello di prezzi pay-per-use per la moderazione personalizzata.
Panoramica della soluzione
La formazione di un adattatore di moderazione personalizzato prevede cinque passaggi che è possibile completare utilizzando il file Console di gestione AWS o l'interfaccia API:
- Crea un progetto
- Carica i dati dell'allenamento
- Assegna etichette di verità alle immagini
- Addestrare l'adattatore
- Utilizzare l'adattatore
Esaminiamo questi passaggi in modo più dettagliato utilizzando la console.
Crea un progetto
Un progetto è un contenitore in cui archiviare gli adattatori. È possibile addestrare più adattatori all'interno di un progetto con diversi set di dati di addestramento per valutare quale adattatore offre le migliori prestazioni per il caso d'uso specifico. Per creare il tuo progetto, completa i seguenti passaggi:
- Sulla console Amazon Rekognition, scegli Moderazione personalizzata nel pannello di navigazione.
- Scegli Crea progetto.
- Nel Nome del progetto, inserisci un nome per il tuo progetto.
- Nel Nome adattatore, inserisci un nome per l'adattatore.
- Facoltativamente, inserisci una descrizione per l'adattatore.
Carica i dati di allenamento
Puoi iniziare con un minimo di 20 immagini campione per adattare il modello di moderazione in modo da rilevare meno falsi positivi (immagini appropriate per la tua attività ma contrassegnate dal modello con un'etichetta di moderazione). Per ridurre i falsi negativi (immagini inappropriate per la tua attività ma che non vengono contrassegnate con un'etichetta di moderazione), devi iniziare con 50 immagini campione.
È possibile selezionare tra le seguenti opzioni per fornire i set di dati di immagine per l'addestramento dell'adattatore:
Completa i seguenti passi:
- Per questo post, seleziona Importa immagini dal bucket S3 e inserisci il tuo URI S3.
Come qualsiasi processo di formazione ML, la formazione di un adattatore di moderazione personalizzata in Amazon Rekognition richiede due set di dati separati: uno per addestrare l'adattatore e un altro per valutare l'adattatore. Puoi caricare un set di dati di test separato o scegliere di dividere automaticamente il set di dati di training per training e test.
- Per questo post, seleziona Divisione automatica.
- Seleziona Abilita l'aggiornamento automatico per garantire che il sistema riqualifica automaticamente l'adattatore quando viene avviata una nuova versione del modello di moderazione del contenuto.
- Scegli Crea progetto.
Assegna etichette di verità alle immagini
Se hai caricato immagini senza annotazioni, puoi utilizzare la console Amazon Rekognition per fornire etichette di immagine secondo la tassonomia di moderazione. Nell'esempio seguente, addestriamo un adattatore per rilevare l'alcol nascosto con maggiore precisione ed etichettiamo tutte queste immagini con l'etichetta alcol. Le immagini non considerate inappropriate possono essere etichettate come sicure.
Addestrare l'adattatore
Dopo aver etichettato tutte le immagini, scegli Inizia l'allenamento per avviare il percorso formativo. Amazon Rekognition utilizzerà i set di dati di immagini caricati per addestrare un modello di adattatore per una maggiore precisione sul tipo specifico di immagini fornite per l'addestramento.
Dopo aver addestrato l'adattatore di moderazione personalizzato, è possibile visualizzare tutti i dettagli dell'adattatore (adapterID
, test
ed training
file manifest) nel file Prestazioni dell'adattatore .
Il Prestazioni dell'adattatore La sezione mostra miglioramenti nei falsi positivi e nei falsi negativi rispetto al modello di moderazione pre-addestrato. L'adattatore che abbiamo addestrato per migliorare il rilevamento dell'etichetta dell'alcol riduce del 73% il tasso di falsi negativi nelle immagini di test. In altre parole, l'adattatore ora prevede con precisione l'etichetta di moderazione dell'alcol per il 73% di immagini in più rispetto al modello di moderazione pre-addestrato. Tuttavia, non si osserva alcun miglioramento nei falsi positivi, poiché per l'addestramento non sono stati utilizzati campioni falsi positivi.
Utilizzare l'adattatore
È possibile eseguire l'inferenza utilizzando l'adattatore appena addestrato per ottenere una maggiore precisione. Per fare ciò, chiama Amazon Rekognition DetectModerationLabel
API con un parametro aggiuntivo, ProjectVersion
, che è l'unico AdapterID
dell'adattatore. Di seguito è riportato un comando di esempio che utilizza il Interfaccia della riga di comando di AWS (AWS CLI):
Di seguito è riportato un frammento di codice di esempio che utilizza il file Libreria Python Boto3:
Buone pratiche per la formazione
Per massimizzare le prestazioni dell'adattatore, si consigliano le seguenti best practice per l'addestramento dell'adattatore:
- I dati dell'immagine di esempio dovrebbero acquisire gli errori rappresentativi per i quali desideri migliorare la precisione del modello di moderazione
- Invece di inserire solo immagini di errore per falsi positivi e falsi negativi, puoi anche fornire veri positivi e veri negativi per migliorare le prestazioni
- Fornire quante più immagini possibile con annotazioni per la formazione
Conclusione
In questo post abbiamo presentato una panoramica approfondita della nuova funzionalità di moderazione personalizzata di Amazon Rekognition. Inoltre, abbiamo dettagliato i passaggi per eseguire la formazione utilizzando la console, comprese le migliori pratiche per risultati ottimali. Per ulteriori informazioni, visita la console Amazon Rekognition ed esplora la funzionalità di moderazione personalizzata.
Moderazione personalizzata di Amazon Rekognition è ora disponibile a livello generale in tutte le regioni AWS in cui è disponibile Amazon Rekognition.
Scopri moderazione dei contenuti su AWS. Fai il primo passo verso semplificando le operazioni di moderazione dei contenuti con AWS.
Informazioni sugli autori
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.
Aakash profondo è un responsabile dell'ingegneria dello sviluppo software con sede a Seattle. Gli piace lavorare sulla visione artificiale, sull'intelligenza artificiale e sui sistemi distribuiti. La sua missione è consentire ai clienti di affrontare problemi complessi e creare valore con AWS Rekognition. Fuori dal lavoro gli piace fare escursioni e viaggiare.
Lana Zhang è Senior Solutions Architect presso il team AWS WWSO AI Services, specializzato in AI e ML per moderazione dei contenuti, visione artificiale, elaborazione del linguaggio naturale e intelligenza artificiale generativa. Con la sua esperienza, si dedica a promuovere le soluzioni AWS AI/ML e ad assistere i clienti nella trasformazione delle loro soluzioni aziendali in diversi settori, tra cui social media, giochi, e-commerce, media, pubblicità e marketing.
- Distribuzione di contenuti basati su SEO e PR. Ricevi amplificazione oggi.
- PlatoData.Network Generativo verticale Ai. Potenzia te stesso. Accedi qui.
- PlatoAiStream. Intelligenza Web3. Conoscenza amplificata. Accedi qui.
- PlatoneESG. Carbonio, Tecnologia pulita, Energia, Ambiente, Solare, Gestione dei rifiuti. Accedi qui.
- Platone Salute. Intelligence sulle biotecnologie e sulle sperimentazioni cliniche. Accedi qui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/announcing-rekogniton-custom-moderation-enhance-accuracy-of-pre-trained-rekognition-moderation-models-with-your-data/
- :È
- :non
- :Dove
- 1
- 10
- 100
- 118
- 150
- 20
- 35%
- 50
- 7
- 9
- a
- aakash
- WRI
- Il mio account
- precisione
- con precisione
- Raggiungere
- operanti in
- attività
- adattare
- aggiuntivo
- Informazioni aggiuntive
- indirizzo
- Pubblicità
- AI
- Servizi di intelligenza artificiale
- AI / ML
- alcol
- Alexa
- Tutti
- già
- anche
- Amazon
- Rekognition di Amazon
- Amazon Web Services
- an
- ed
- annunciando
- Un altro
- in qualsiasi
- api
- approcci
- opportuno
- SONO
- artificiale
- intelligenza artificiale
- Intelligenza artificiale (AI)
- AS
- valutare
- Assistant
- assistere
- At
- autore
- automaticamente
- disponibile
- AWS
- basato
- BE
- prima
- iniziare
- vantaggi
- MIGLIORE
- best practice
- entrambi
- marca
- Portare
- affari
- ma
- by
- chiamata
- Materiale
- funzionalità
- capacità
- catturare
- Custodie
- categoria
- impegnativo
- Scegli
- cliente
- codice
- Comunità
- comunità
- Aziende
- rispetto
- reclami
- completamento di una
- complesso
- globale
- computer
- Visione computerizzata
- considerato
- coerente
- consolle
- Contenitore
- contenuto
- continua
- Costo
- Costi
- copertura
- creare
- Creare valore
- Attualmente
- costume
- Clienti
- personalizzabile
- dati
- dataset
- dedicato
- deep
- descrizione
- dettaglio
- dettagliati
- dettagli
- individuare
- rivelazione
- Mercato
- diverso
- discutere
- display
- distribuito
- sistemi distribuiti
- paesaggio differenziato
- do
- Dont
- farmaci
- e-commerce
- ogni
- ecommerce
- in maniera efficace
- o
- enable
- Abilita
- incoraggiando
- Fidanzamento
- Ingegneria
- accrescere
- migliorata
- godere
- garantire
- assicurando
- entrare
- errore
- errori
- la valutazione
- Anche
- esempio
- esistente
- esperienza
- competenza
- esplora
- estendere
- estratto
- falso
- caratteristica
- Caratteristiche
- pochi
- meno
- File
- Nome
- cinque
- contrassegnato
- Focus
- i seguenti
- Nel
- Favorire
- Fosters
- frazione
- da
- completamente
- Inoltre
- gaming
- generalmente
- generativo
- AI generativa
- ottenere
- Terra
- nuocere
- Avere
- he
- aiutare
- suo
- nascosto
- Alta
- superiore
- il suo
- ora
- Come
- Tutorial
- Tuttavia
- HTML
- http
- HTTPS
- umano
- ID
- Immagine
- immagini
- competenze
- migliorata
- miglioramento
- miglioramenti
- in
- In altre
- Uno sguardo approfondito sui miglioramenti dei pneumatici da corsa di Bridgestone.
- Compreso
- sempre più
- industrie
- informazioni
- avviare
- intuizioni
- Intelligence
- Interfaccia
- IT
- accoppiamento
- Discografica
- per il tuo brand
- Lingua
- lanciato
- Leads
- apprendimento
- meno
- linea
- Lista
- macchina
- machine learning
- gestire
- gestito
- gestione
- direttore
- molti
- Marketing
- Massimizzare
- Media
- milioni
- Missione
- ML
- modello
- modelli
- moderazione
- Scopri di più
- maggior parte
- molti
- multiplo
- Nome
- Naturale
- Elaborazione del linguaggio naturale
- Navigazione
- negativo.
- negativi
- New
- recentemente
- no
- adesso
- of
- Offerte
- on
- ONE
- online
- esclusivamente
- operazione
- Operazioni
- ottimale
- Opzioni
- or
- Altro
- al di fuori
- ancora
- panoramica
- vetro
- parametro
- appassionato
- per
- Eseguire
- performance
- esecuzione
- esegue
- Piattaforme
- Platone
- Platone Data Intelligence
- PlatoneDati
- Termini e Condizioni
- povero
- positivo
- possibile
- Post
- potenziale
- energia
- potente
- pratiche
- predice
- presentata
- prezzi
- modello di prezzo
- Direttore
- problemi
- processi
- lavorazione
- Prodotto
- product manager
- progetto
- promuovere
- protegge
- fornire
- purché
- qualità
- tasso
- raccomandato
- ridurre
- riduce
- regioni
- fare affidamento
- resti
- rappresentante
- reputazione
- necessario
- richiede
- Rispondere
- risposta
- Risultati
- recensioni
- sicura
- Set di dati di esempio
- Scala
- Seattle
- Sezione
- sicuro
- anziano
- separato
- servizio
- Servizi
- set
- Condividi
- lei
- dovrebbero
- inferiore
- frammento
- Social
- Social Media
- Software
- lo sviluppo del software
- Soluzioni
- RISOLVERE
- specializzata
- specifico
- velocità
- esaurito
- dividere
- inizia a
- step
- Passi
- Ancora
- Tornare al suo account
- Strategia
- tale
- sufficiente
- sistema
- SISTEMI DI TRATTAMENTO
- Fai
- Task
- task
- tassonomia
- team
- test
- Testing
- di
- che
- Il
- loro
- Strumenti Bowman per analizzare le seguenti finiture:
- questo
- Attraverso
- a
- di livello superiore
- Totale
- Treni
- allenato
- Training
- trasformazione
- Di viaggio
- vero
- Verità
- seconda
- Digitare
- tipicamente
- unico
- non desiderato
- caricato
- uso
- caso d'uso
- utilizzato
- Utente
- Esperienza da Utente
- utenti
- usa
- utilizzando
- Prezioso
- APPREZZIAMO
- versione
- Video
- Video
- Visualizza
- Violenza
- visione
- Visita
- Voce
- volume
- camminare
- volere
- Prima
- we
- sito web
- servizi web
- sono stati
- quando
- quale
- volere
- con
- entro
- senza
- parole
- Lavora
- flusso di lavoro
- lavoro
- anni
- Tu
- Trasferimento da aeroporto a Sharm
- zefiro