기업에서는 참여를 위해 사용자가 생성한 이미지와 비디오에 점점 더 의존하고 있습니다. 고객이 제품 이미지를 공유하도록 장려하는 전자 상거래 플랫폼부터 사용자 생성 비디오 및 이미지를 홍보하는 소셜 미디어 회사에 이르기까지 참여를 위해 사용자 콘텐츠를 사용하는 것은 강력한 전략입니다. 그러나 이러한 사용자 생성 콘텐츠가 정책과 일치하는지 확인하고 사용자를 위한 안전한 온라인 커뮤니티를 조성하는 것은 어려울 수 있습니다.
현재 많은 회사에서는 부적절한 사용자 생성 콘텐츠를 관리하기 위해 인간 중재자에게 의존하거나 사용자 불만 사항에 대응적으로 대응하고 있습니다. 이러한 접근 방식은 수백만 개의 이미지와 비디오를 충분한 품질이나 속도로 효과적으로 조정하기 위해 확장되지 않으며, 이로 인해 사용자 경험이 저하되고, 규모를 달성하는 데 드는 비용이 높으며, 심지어 브랜드 평판에 잠재적인 해를 끼칠 수도 있습니다.
이번 포스팅에서는 Custom Moderation 기능을 사용하는 방법에 대해 설명하겠습니다. 아마존 인식 사전 학습된 콘텐츠 조정 API의 정확성을 향상합니다.
Amazon Rekognition의 콘텐츠 조정
Amazon Rekognition은 사전 훈련되고 사용자 정의 가능한 컴퓨터 비전 기능을 제공하여 이미지와 비디오에서 정보와 통찰력을 추출하는 관리형 인공 지능(AI) 서비스입니다. 그러한 능력 중 하나는 Amazon Rekognition 콘텐츠 조정는 이미지와 비디오에서 부적절하거나 원치 않는 콘텐츠를 탐지합니다. Amazon Rekognition은 계층적 분류를 사용하여 10개의 최상위 조정 범주(예: 폭력, 노골적인, 알코올 또는 약물)와 35개의 XNUMX차 수준 범주로 부적절하거나 원치 않는 콘텐츠에 레이블을 지정합니다. 전자상거래, 소셜 미디어, 게임 등 업계 전반의 고객은 Amazon Rekognition의 콘텐츠 조정을 사용하여 브랜드 평판을 보호하고 안전한 사용자 커뮤니티를 육성할 수 있습니다.
이미지 및 비디오 조정을 위해 Amazon Rekognition을 사용하면 인간 조정자는 콘텐츠 조정 모델에서 이미 플래그를 지정한 훨씬 작은 콘텐츠 세트(일반적으로 전체 볼륨의 1~5%)를 검토해야 합니다. 이를 통해 기업은 보다 가치 있는 활동에 집중하면서도 기존 비용의 일부만으로 포괄적인 조정 범위를 달성할 수 있습니다.
Amazon Rekognition 사용자 정의 조정 소개
이제 사용자 정의 조정 기능을 사용하여 비즈니스별 데이터에 대한 Rekognition 조정 모델의 정확성을 향상시킬 수 있습니다. 20시간 이내에 주석이 달린 이미지 1개 정도를 사용하여 사용자 정의 어댑터를 훈련할 수 있습니다. 이러한 어댑터는 조정 모델의 기능을 확장하여 훈련에 사용되는 이미지를 더 높은 정확도로 감지합니다. 이 게시물에서는 안전한 이미지와 알코올 음료(안전하지 않은 것으로 간주되는)가 포함된 이미지가 모두 포함된 샘플 데이터세트를 사용하여 알코올 절도 라벨의 정확성을 높였습니다.
학습된 어댑터의 고유 ID를 기존 어댑터에 제공할 수 있습니다. DetectModeration레이블 이 어댑터를 사용하여 이미지를 처리하는 API 작업입니다. 각 어댑터는 어댑터 교육에 사용된 AWS 계정에서만 사용할 수 있으므로 교육에 사용된 데이터가 해당 AWS 계정에서 안전하게 유지됩니다. 사용자 정의 조정 기능을 사용하면 기계 학습(ML) 전문 지식 없이도 특정 조정 사용 사례에 대한 성능 향상을 위해 Rekognition 사전 훈련된 조정 모델을 맞춤 설정할 수 있습니다. 사용자 정의 조정에 대한 종량제 가격 책정 모델을 통해 완전 관리형 조정 서비스의 이점을 계속 누릴 수 있습니다.
솔루션 개요
사용자 정의 중재 어댑터 교육에는 다음을 사용하여 완료할 수 있는 XNUMX단계가 포함됩니다. AWS 관리 콘솔 또는 API 인터페이스:
- 프로젝트 만들기
- 훈련 데이터 업로드
- 이미지에 정답 라벨 할당
- 어댑터 훈련
- 어댑터를 사용하세요
콘솔을 사용하여 이러한 단계를 더 자세히 살펴보겠습니다.
프로젝트 만들기
프로젝트는 어댑터를 저장하는 컨테이너입니다. 특정 사용 사례에 가장 적합한 어댑터가 무엇인지 평가하기 위해 다양한 교육 데이터 세트를 사용하여 프로젝트 내에서 여러 어댑터를 교육할 수 있습니다. 프로젝트를 생성하려면 다음 단계를 완료하세요.
- Amazon Rekognition 콘솔에서 맞춤 조정 탐색 창에서
- 왼쪽 메뉴에서 프로젝트 만들기.
- 럭셔리 프로젝트 이름, 프로젝트 이름을 입력합니다.
- 럭셔리 어댑터 이름에서 어댑터 이름을 입력하세요.
- 선택적으로 어댑터에 대한 설명을 입력합니다.
훈련 데이터 업로드
20개의 샘플 이미지로 시작하여 조정 모델을 조정하여 더 적은 수의 오탐지(비즈니스에 적합하지만 조정 레이블이 있는 모델에 의해 플래그가 지정된 이미지)를 감지할 수 있습니다. 거짓 부정(비즈니스에 부적절하지만 조정 라벨로 표시되지 않는 이미지)을 줄이려면 50개의 샘플 이미지로 시작해야 합니다.
다음 옵션 중에서 선택하여 어댑터 훈련을 위한 이미지 데이터 세트를 제공할 수 있습니다.
다음 단계를 완료하십시오.
- 이 게시물의 경우 S3 버킷에서 이미지 가져 오기 S3 URI를 입력하세요.
모든 ML 훈련 프로세스와 마찬가지로 Amazon Rekognition에서 Custom Moderation 어댑터를 훈련하려면 두 개의 별도 데이터 세트가 필요합니다. 하나는 어댑터 훈련용이고 다른 하나는 어댑터 평가용입니다. 별도의 테스트 데이터 세트를 업로드하거나 훈련 및 테스트를 위해 훈련 데이터 세트를 자동으로 분할하도록 선택할 수 있습니다.
- 이 게시물의 경우 자동 분할.
- 선택 자동 업데이트 사용 새 버전의 콘텐츠 조정 모델이 시작될 때 시스템이 자동으로 어댑터를 재교육하는지 확인합니다.
- 왼쪽 메뉴에서 프로젝트 만들기.
이미지에 정답 라벨 할당
주석이 없는 이미지를 업로드한 경우 Amazon Rekognition 콘솔을 사용하여 조정 분류에 따라 이미지 레이블을 제공할 수 있습니다. 다음 예에서는 숨겨진 알코올을 더 높은 정확도로 감지하고 이러한 모든 이미지에 알코올이라는 라벨을 지정하도록 어댑터를 훈련합니다. 부적절하다고 간주되지 않는 이미지에는 안전 라벨이 지정될 수 있습니다.
어댑터 훈련
모든 이미지에 라벨을 지정한 후 훈련 시작 훈련 과정을 시작합니다. Amazon Rekognition은 업로드된 이미지 데이터세트를 사용하여 훈련용으로 제공되는 특정 이미지 유형에 대한 정확성을 높이기 위해 어댑터 모델을 훈련합니다.
사용자 정의 중재 어댑터가 교육된 후에는 모든 어댑터 세부 정보(adapterID
, test
및 training
매니페스트 파일) 어댑터 성능 안내
XNUMXD덴탈의 어댑터 성능 섹션에는 사전 학습된 조정 모델과 비교했을 때 거짓양성 및 거짓음성의 개선 사항이 표시됩니다. 알코올 라벨 감지 기능을 향상시키기 위해 학습한 어댑터는 테스트 이미지의 위음성률을 73%까지 줄입니다. 즉, 이제 어댑터는 사전 훈련된 절도 모델에 비해 73% 더 많은 이미지에 대해 알코올 절도 라벨을 정확하게 예측합니다. 그러나 훈련에 위양성 샘플이 사용되지 않았기 때문에 위양성에서는 개선이 관찰되지 않았습니다.
어댑터를 사용하세요
새로 훈련된 어댑터를 사용하여 추론을 수행하여 정확도를 높일 수 있습니다. 이렇게 하려면 Amazon Rekognition을 호출하세요. DetectModerationLabel
추가 매개변수가 있는 API, ProjectVersion
, 이는 독특한 AdapterID
어댑터의. 다음은 AWS 명령 줄 인터페이스 (AWS CLI):
다음은 Python Boto3 라이브러리:
훈련 모범 사례
어댑터의 성능을 최대화하려면 어댑터 교육에 다음 모범 사례를 따르는 것이 좋습니다.
- 샘플 이미지 데이터는 조정 모델 정확도를 향상시키려는 대표 오류를 캡처해야 합니다.
- 거짓양성 및 거짓음성에 대한 오류 이미지만 가져오는 대신 성능 향상을 위해 참양성 및 참음성을 제공할 수도 있습니다.
- 훈련을 위해 주석이 달린 이미지를 최대한 많이 제공하세요.
결론
이 게시물에서는 새로운 Amazon Rekognition Custom Moderation 기능에 대한 심층적인 개요를 제시했습니다. 또한 최적의 결과를 위한 모범 사례를 포함하여 콘솔을 사용하여 교육을 수행하는 단계를 자세히 설명했습니다. 자세한 내용을 보려면 Amazon Rekognition 콘솔을 방문하여 사용자 지정 중재 기능을 살펴보세요.
Amazon Rekognition 사용자 정의 조정 이제 Amazon Rekognition이 제공되는 모든 AWS 리전에서 정식 출시됩니다.
전단지에 포함된 링크에 대해 더 알아보기 AWS의 콘텐츠 조정. 향해 첫발을 내딛다 AWS로 콘텐츠 조정 작업 간소화.
저자에 관하여
시프라 카노리아 AWS의 수석 제품 관리자입니다. 그녀는 기계 학습 및 인공 지능의 힘으로 고객이 가장 복잡한 문제를 해결하도록 돕는 데 열정적입니다. AWS에 합류하기 전에 Shipra는 Amazon Alexa에서 4년 이상 근무하면서 Alexa 음성 비서에서 많은 생산성 관련 기능을 출시했습니다.
아카시 딥 시애틀에 거주하는 소프트웨어 개발 엔지니어링 관리자입니다. 그는 컴퓨터 비전, AI 및 분산 시스템 작업을 즐깁니다. 그의 임무는 고객이 AWS Rekognition을 통해 복잡한 문제를 해결하고 가치를 창출할 수 있도록 지원하는 것입니다. 업무 외에는 등산과 여행을 즐깁니다.
장라나 콘텐츠 조정, 컴퓨터 비전, 자연어 처리 및 생성 AI를 위한 AI 및 ML을 전문으로 하는 AWS WWSO AI 서비스 팀의 선임 솔루션 아키텍트입니다. 그녀는 전문 지식을 바탕으로 AWS AI/ML 솔루션을 홍보하고 고객이 소셜 미디어, 게임, 전자 상거래, 미디어, 광고 및 마케팅을 포함한 다양한 산업에서 비즈니스 솔루션을 혁신하도록 지원하는 데 전념하고 있습니다.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://aws.amazon.com/blogs/machine-learning/announcing-rekogniton-custom-moderation-enhance-accuracy-of-pre-trained-rekognition-moderation-models-with-your-data/
- :이다
- :아니
- :어디
- 1
- 10
- 100
- 118
- 150
- 20
- 35%
- 50
- 7
- 9
- a
- 아카쉬
- 소개
- 계정
- 정확히
- 달성
- 가로질러
- 방과 후 액티비티
- 각색하다
- 추가
- 추가 정보
- 주소
- 광고
- AI
- AI 서비스
- AI / ML
- 알코올
- 알렉사
- All
- 이미
- 또한
- 아마존
- 아마존 인식
- Amazon Web Services
- an
- 및
- 발표
- 다른
- 어떤
- API를
- 구혼
- 적당한
- 있군요
- 인조의
- 인공 지능
- 인공 지능(AI)
- AS
- 평가하다
- 조수
- 돕는
- At
- 저자
- 자동적으로
- 가능
- AWS
- 기반으로
- BE
- 전에
- 시작하다
- 혜택
- BEST
- 모범 사례
- 두
- 상표
- 가져
- 사업
- 비자 면제 프로그램에 해당하는 국가의 시민권을 가지고 있지만
- by
- 전화
- CAN
- 기능
- 능력
- 포착
- 케이스
- 카테고리
- 도전
- 왼쪽 메뉴에서
- 클라이언트
- 암호
- 커뮤니티
- 커뮤니티
- 기업
- 비교
- 불만
- 완전한
- 복잡한
- 포괄적 인
- 컴퓨터
- 컴퓨터 비전
- 고려
- 일관된
- 콘솔에서
- 컨테이너
- 함유량
- 계속
- 비용
- 비용
- 적용 범위
- 만들
- 가치 창출
- 현재
- 관습
- 고객
- 맞춤형
- 데이터
- 데이터 세트
- 전용
- 깊은
- 설명
- 세부 묘사
- 상세한
- 세부설명
- 검색
- Detection System
- 개발
- 다른
- 토론
- 디스플레이
- 분산
- 분산 시스템
- 몇몇의
- do
- 말라
- 약물
- 전자 상거래
- 마다
- 전자 상거래
- 효과적으로
- 중
- 가능
- 수
- 격려의
- 약혼
- 엔지니어링
- 강화
- 강화
- 즐겨
- 확인
- 보장
- 엔터 버튼
- 오류
- 오류
- 평가
- 조차
- 예
- 현존하는
- 경험
- 전문적 지식
- 탐험
- 확장
- 추출물
- 그릇된
- 특색
- 특징
- 를
- 적은
- 파일
- 먼저,
- 다섯
- 신고 된
- 초점
- 수행원
- 럭셔리
- 기르다
- 위탁
- 분수
- 에
- 충분히
- 게다가
- 노름
- 일반적으로
- 생성적인
- 제너레이티브 AI
- 얻을
- 육로
- 해가
- 있다
- he
- 도움이
- 그녀의
- 숨겨진
- 높은
- 더 높은
- 그의
- 시간
- 방법
- How To
- 그러나
- HTML
- HTTP
- HTTPS
- 사람의
- ID
- 영상
- 형상
- 개선
- 개선하는
- 개량
- 개량
- in
- 기타의
- 심도
- 포함
- 더욱 더
- 산업
- 정보
- 시작
- 통찰력
- 인텔리전스
- 인터페이스
- IT
- 가입
- 라벨
- 레이블
- 언어
- 시작
- 오퍼
- 배우기
- 적게
- 라인
- 명부
- 기계
- 기계 학습
- 관리
- 관리
- 구축
- 매니저
- .
- 마케팅
- 극대화하다
- 미디어
- 수백만
- Mission
- ML
- 모델
- 모델
- 절도
- 배우기
- 가장
- 많은
- 여러
- name
- 자연의
- 자연 언어 처리
- 카테고리
- 부정
- 부정
- 신제품
- 새로운
- 아니
- 지금
- of
- 제공
- on
- ONE
- 온라인
- 만
- 조작
- 행정부
- 최적의
- 옵션
- or
- 기타
- 외부
- 위에
- 개요
- 빵
- 매개 변수
- 열렬한
- 용
- 수행
- 성능
- 실행할 수 있는
- 수행하다
- 플랫폼
- 플라톤
- 플라톤 데이터 인텔리전스
- 플라토데이터
- 정책
- 가난한
- 긍정적인
- 가능한
- 게시하다
- 가능성
- 힘
- 강한
- 사례
- 예측
- 제시
- 가격
- 가격 모델
- 교장
- 문제
- 방법
- 처리
- 프로덕트
- 제품 관리자
- 프로젝트
- 홍보
- 보호
- 제공
- 제공
- 품질
- 율
- 추천
- 감소
- 감소
- 지역
- 의지하다
- 유적
- 대리인
- 평판
- 필수
- 필요
- 응답
- 응답
- 결과
- 리뷰
- 가장 안전한 따뜻함
- 샘플 데이터세트
- 규모
- 시애틀
- 섹션
- 안전해야합니다.
- 연장자
- 별도의
- 서비스
- 서비스
- 세트
- 공유
- 그녀
- 영상을
- 작은
- 단편
- 사회적
- 소셜 미디어
- 소프트웨어
- 소프트웨어 개발
- 솔루션
- 풀다
- 전문
- 구체적인
- 속도
- 지출
- 분열
- 스타트
- 단계
- 단계
- 아직도
- 저장
- 전략
- 이러한
- 충분한
- 체계
- 시스템은
- 받아
- 태스크
- 작업
- 분류 체계
- 팀
- test
- 지원
- 보다
- 그
- XNUMXD덴탈의
- 그들의
- Bowman의
- 이
- 을 통하여
- 에
- 최고 수준
- 금액
- Train
- 훈련 된
- 트레이닝
- 변화
- 여행
- 참된
- 진실
- 두
- 유형
- 일반적으로
- 유일한
- 불필요한
- 업로드
- 사용
- 유스 케이스
- 익숙한
- 사용자
- 사용자 경험
- 사용자
- 사용
- 사용
- 가치 있는
- 가치
- 버전
- Video
- 동영상
- 관측
- 폭력
- 시력
- 방문
- 목소리
- 음량
- 걷다
- 필요
- 였다
- we
- 웹
- 웹 서비스
- 했다
- 언제
- 어느
- 의지
- 과
- 이내
- 없이
- 말
- 작업
- 워크플로우
- 일하는
- 년
- 자신의
- 너의
- 제퍼 넷