Firmy w coraz większym stopniu polegają na obrazach i filmach generowanych przez użytkowników, aby zwiększyć zaangażowanie. Od platform e-commerce zachęcających klientów do udostępniania zdjęć produktów po firmy z mediów społecznościowych promujące filmy i obrazy tworzone przez użytkowników – wykorzystywanie treści użytkowników do zwiększania zaangażowania jest potężną strategią. Jednak zapewnienie zgodności treści generowanych przez użytkowników z zasadami i tworzeniem bezpiecznej społeczności internetowej dla użytkowników może stanowić wyzwanie.
Wiele firm polega obecnie na ludzkich moderatorach lub reaguje na skargi użytkowników, aby zarządzać nieodpowiednimi treściami generowanymi przez użytkowników. Podejścia te nie są skalowalne, aby skutecznie moderować miliony obrazów i filmów o wystarczającej jakości i szybkości, co prowadzi do złego doświadczenia użytkownika, wysokich kosztów osiągnięcia skali, a nawet potencjalnej szkody dla reputacji marki.
W tym poście omawiamy, jak korzystać z funkcji moderacji niestandardowej w Amazon Rekognition w celu zwiększenia dokładności wstępnie przeszkolonego interfejsu API moderacji treści.
Moderacja treści w Amazon Rekognition
Amazon Rekognition to zarządzana usługa sztucznej inteligencji (AI), która oferuje wstępnie przeszkolone i konfigurowalne możliwości widzenia komputerowego w celu wydobywania informacji i spostrzeżeń z obrazów i filmów. Jedną z takich możliwości jest Moderacja treści Amazon Rekognition, który wykrywa nieodpowiednie lub niechciane treści w obrazach i filmach. Amazon Rekognition wykorzystuje hierarchiczną taksonomię do oznaczania nieodpowiednich lub niechcianych treści za pomocą 10 kategorii moderacji najwyższego poziomu (takich jak przemoc, treści wulgarne, alkohol lub narkotyki) i 35 kategorii drugiego poziomu. Klienci z różnych branż, takich jak handel elektroniczny, media społecznościowe i gry, mogą korzystać z moderacji treści w Amazon Rekognition, aby chronić reputację swojej marki i wspierać bezpieczne społeczności użytkowników.
Korzystając z usługi Amazon Rekognition do moderowania zdjęć i filmów, moderatorzy muszą przeglądać znacznie mniejszy zestaw treści, zazwyczaj 1–5% całkowitej objętości, już oznaczony przez model moderacji treści. Umożliwia to firmom skupienie się na bardziej wartościowych działaniach i nadal osiągnięcie kompleksowego zakresu moderacji za ułamek ich istniejących kosztów.
Przedstawiamy niestandardową moderację Amazon Rekognition
Możesz teraz zwiększyć dokładność modelu moderacji Rozpoznawanie danych specyficznych dla Twojej firmy dzięki funkcji Moderacji niestandardowej. Niestandardowy adapter można wytrenować za pomocą zaledwie 20 obrazów z adnotacjami w czasie krótszym niż 1 godzina. Adaptery te rozszerzają możliwości modelu moderacji w celu wykrywania obrazów używanych do treningu z większą dokładnością. W tym poście użyliśmy przykładowego zbioru danych zawierającego zarówno obrazy bezpieczne, jak i obrazy przedstawiające napoje alkoholowe (uznawane za niebezpieczne), aby zwiększyć dokładność etykiety dotyczącej umiaru w spożywaniu alkoholu.
Unikalny identyfikator przeszkolonego adaptera można przekazać istniejącemu Wykryj etykiety moderacji Operacja API do przetwarzania obrazów przy użyciu tego adaptera. Każdy adapter może być używany wyłącznie przez konto AWS, które zostało użyte do szkolenia adaptera, co gwarantuje, że dane użyte do szkolenia pozostaną bezpieczne na tym koncie AWS. Dzięki funkcji moderacji niestandardowej możesz dostosować wstępnie wytrenowany model moderacji Rekognition w celu poprawy wydajności w konkretnym przypadku użycia moderacji, bez konieczności posiadania wiedzy na temat uczenia maszynowego (ML). Możesz nadal korzystać z zalet w pełni zarządzanej usługi moderacji dzięki modelowi cenowemu płatności za użycie w przypadku moderacji niestandardowej.
Omówienie rozwiązania
Uczenie niestandardowego adaptera moderacji obejmuje pięć kroków, które można wykonać za pomocą narzędzia Konsola zarządzania AWS lub interfejs API:
- Utwórz projekt
- Prześlij dane treningowe
- Przypisz etykiety prawdy do obrazów
- Trenuj adapter
- Skorzystaj z adaptera
Przyjrzyjmy się tym krokom bardziej szczegółowo, korzystając z konsoli.
Utwórz projekt
Projekt to kontener do przechowywania adapterów. W ramach projektu można trenować wiele adapterów przy użyciu różnych zestawów danych szkoleniowych, aby ocenić, który adapter działa najlepiej w konkretnym przypadku użycia. Aby utworzyć projekt, wykonaj następujące kroki:
- Na konsoli Amazon Rekognition wybierz Moderacja niestandardowa w okienku nawigacji.
- Dodaj Utwórz projekt.
- W razie zamówieenia projektu Nazwa Projektu, wprowadź nazwę swojego projektu.
- W razie zamówieenia projektu Nazwa adapterawprowadź nazwę adaptera.
- Opcjonalnie wprowadź opis adaptera.
Prześlij dane treningowe
Możesz zacząć od zaledwie 20 przykładowych obrazów, aby dostosować model moderacji w celu wykrycia mniejszej liczby fałszywych alarmów (obrazy, które są odpowiednie dla Twojej firmy, ale są oznaczone przez model etykietą moderacji). Aby ograniczyć liczbę fałszywych negatywów (zdjęcia, które są nieodpowiednie dla Twojej firmy, ale nie są oznaczane etykietą moderacji), musisz zacząć od 50 przykładowych zdjęć.
Aby udostępnić zestawy danych obrazu na potrzeby uczenia adaptera, można wybrać jedną z następujących opcji:
Wykonaj następujące kroki:
- W przypadku tego posta wybierz Importuj obrazy z zasobnika S3 i wprowadź swój identyfikator URI S3.
Podobnie jak każdy proces szkolenia ML, szkolenie adaptera Custom Moderation w Amazon Rekognition wymaga dwóch oddzielnych zestawów danych: jednego do szkolenia adaptera, a drugiego do oceny adaptera. Możesz przesłać oddzielny zestaw danych testowych lub automatycznie podzielić zestaw danych szkoleniowych na potrzeby szkolenia i testowania.
- W przypadku tego posta wybierz Autopodział.
- Wybierz Włącz automatyczną aktualizację aby zapewnić, że system automatycznie przeszkoli adapter po uruchomieniu nowej wersji modelu moderacji treści.
- Dodaj Utwórz projekt.
Przypisz etykiety prawdy do obrazów
Jeśli przesłałeś obrazy bez adnotacji, możesz użyć konsoli Amazon Rekognition, aby zapewnić etykiety obrazów zgodnie z taksonomią moderacji. W poniższym przykładzie uczymy adapter, aby z większą dokładnością wykrywał ukryty alkohol i oznaczał wszystkie takie obrazy etykietą alkohol. Obrazy, które nie zostaną uznane za nieodpowiednie, mogą zostać oznaczone jako Bezpieczne.
Trenuj adapter
Po przypisaniu etykiet do wszystkich obrazów wybierz Zacznij trenować aby rozpocząć proces szkoleniowy. Amazon Rekognition użyje przesłanych zestawów danych obrazów do wyszkolenia modelu adaptera w celu zwiększenia dokładności w przypadku określonego typu obrazów dostarczonych do szkolenia.
Po przeszkoleniu niestandardowego adaptera moderacji można wyświetlić wszystkie szczegóły adaptera (adapterID
, test
i training
pliki manifestu) w formacie Wydajność adaptera
Połączenia Wydajność adaptera sekcja wyświetla ulepszenia w zakresie wyników fałszywie dodatnich i fałszywie ujemnych w porównaniu ze wstępnie wytrenowanym modelem moderacji. Adapter, który przeszkoliliśmy w celu poprawy wykrywania etykiety alkoholu, zmniejsza odsetek wyników fałszywie ujemnych na obrazach testowych o 73%. Innymi słowy, adapter teraz dokładnie przewiduje etykietę umiaru dotyczącą alkoholu, zapewniając o 73% więcej obrazów w porównaniu z wstępnie wytrenowanym modelem umiaru. Jednakże nie zaobserwowano żadnej poprawy w przypadku wyników fałszywie dodatnich, ponieważ do szkolenia nie użyto próbek fałszywie dodatnich.
Skorzystaj z adaptera
Można wnioskować za pomocą nowo przeszkolonego adaptera, aby osiągnąć większą dokładność. Aby to zrobić, zadzwoń do Amazon Rekognition DetectModerationLabel
API z dodatkowym parametrem, ProjectVersion
, co jest wyjątkowe AdapterID
adaptera. Poniżej znajduje się przykładowe polecenie wykorzystujące Interfejs wiersza poleceń AWS (CLI AWS):
Poniżej znajduje się przykładowy fragment kodu wykorzystujący metodę Biblioteka Pythona Boto3:
Najlepsze praktyki w zakresie szkoleń
Aby zmaksymalizować wydajność adaptera, zalecane są następujące sprawdzone metody uczenia adaptera:
- Przykładowe dane obrazu powinny uwzględniać reprezentatywne błędy, dla których chcesz poprawić dokładność modelu moderacji
- Zamiast wyświetlać tylko obrazy błędów dla fałszywie dodatnich i fałszywie ujemnych wyników, możesz także podać prawdziwie pozytywne i prawdziwie negatywne wyniki, aby poprawić wydajność
- Dostarcz jak najwięcej obrazów z adnotacjami na potrzeby szkolenia
Wnioski
W tym poście przedstawiliśmy szczegółowy przegląd nowej funkcji niestandardowej moderacji Amazon Rekognition. Ponadto szczegółowo omówiliśmy kroki przeprowadzania treningu przy użyciu konsoli, w tym najlepsze praktyki zapewniające optymalne wyniki. Aby uzyskać dodatkowe informacje, odwiedź konsolę Amazon Rekognition i zapoznaj się z funkcją Moderacja niestandardowa.
Moderacja niestandardowa rozpoznawania Amazon jest teraz ogólnie dostępny we wszystkich regionach AWS, w których dostępna jest usługa Amazon Rekognition.
Dowiedz się więcej o: moderacja treści na AWS. Zrób pierwszy krok w kierunku usprawnienie operacji moderowania treści za pomocą AWS.
O autorach
Shipra Kanoria jest głównym menedżerem produktu w AWS. Pasjonuje się pomaganiem klientom w rozwiązywaniu ich najbardziej złożonych problemów dzięki sile uczenia maszynowego i sztucznej inteligencji. Przed dołączeniem do AWS Shipra spędziła ponad 4 lata w Amazon Alexa, gdzie wprowadziła wiele funkcji związanych z produktywnością w asystencie głosowym Alexa.
Głębokie Aakasz jest menedżerem ds. inżynierii rozwoju oprogramowania mieszkającym w Seattle. Lubi pracować nad wizją komputerową, sztuczną inteligencją i systemami rozproszonymi. Jego misją jest umożliwianie klientom rozwiązywania złożonych problemów i tworzenia wartości dzięki AWS Rekognition. Poza pracą lubi wędrować i podróżować.
Lana Zhang jest starszym architektem rozwiązań w zespole AWS WWSO AI Services, specjalizującym się w sztucznej inteligencji i uczeniu maszynowym na potrzeby moderacji treści, widzenia komputerowego, przetwarzania języka naturalnego i generatywnej sztucznej inteligencji. Dzięki swojej wiedzy specjalizuje się w promowaniu rozwiązań AWS AI/ML i pomaganiu klientom w przekształcaniu ich rozwiązań biznesowych w różnych branżach, w tym w mediach społecznościowych, grach, handlu elektronicznym, mediach, reklamie i marketingu.
- Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
- PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
- PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
- PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
- Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
- Źródło: https://aws.amazon.com/blogs/machine-learning/announcing-rekogniton-custom-moderation-enhance-accuracy-of-pre-trained-rekognition-moderation-models-with-your-data/
- :Jest
- :nie
- :Gdzie
- 1
- 10
- 100
- 118
- 150
- 20
- 35%
- 50
- 7
- 9
- a
- aakasz
- O nas
- Konto
- precyzja
- dokładnie
- Osiągać
- w poprzek
- zajęcia
- przystosować
- Dodatkowy
- Dodatkowe informacje
- adres
- Reklama
- AI
- Usługi AI
- AI / ML
- Alkohol
- Alexa
- Wszystkie kategorie
- już
- również
- Amazonka
- Amazon Rekognition
- Amazon Web Services
- an
- i
- Ogłaszając
- Inne
- każdy
- api
- awanse
- właściwy
- SĄ
- sztuczny
- sztuczna inteligencja
- Sztuczna inteligencja (AI)
- AS
- oszacować
- Asystent
- pomoc
- At
- autor
- automatycznie
- dostępny
- AWS
- na podstawie
- BE
- zanim
- rozpocząć
- Korzyści
- BEST
- Najlepsze praktyki
- obie
- marka
- Bringing
- biznes
- ale
- by
- wezwanie
- CAN
- możliwości
- zdolność
- zdobyć
- walizka
- kategorie
- wyzwanie
- Dodaj
- klient
- kod
- społeczności
- społeczność
- Firmy
- w porównaniu
- skarg
- kompletny
- kompleks
- wszechstronny
- komputer
- Wizja komputerowa
- za
- zgodny
- Konsola
- Pojemnik
- zawartość
- kontynuować
- Koszty:
- Koszty:
- pokrycie
- Stwórz
- Utwórz wartość
- Obecnie
- zwyczaj
- Klientów
- konfigurowalny
- dane
- zbiory danych
- dedykowane
- głęboko
- opis
- detal
- szczegółowe
- detale
- wykryć
- Wykrywanie
- oprogramowania
- różne
- dyskutować
- wyświetlacze
- dystrybuowane
- systemy rozproszone
- inny
- do
- nie
- Narkotyki
- e-commerce
- każdy
- ecommerce
- faktycznie
- bądź
- umożliwiać
- Umożliwia
- zachęcający
- zaręczynowy
- Inżynieria
- wzmacniać
- wzmocnione
- cieszyć się
- zapewnić
- zapewnienie
- Wchodzę
- błąd
- Błędy
- oceny
- Parzyste
- przykład
- Przede wszystkim system został opracowany
- doświadczenie
- ekspertyza
- odkryj
- rozciągać się
- wyciąg
- fałszywy
- Cecha
- Korzyści
- kilka
- mniej
- Akta
- i terminów, a
- pięć
- taflowy
- Skupiać
- następujący
- W razie zamówieenia projektu
- Sprzyjać
- opiekunowie
- frakcja
- od
- w pełni
- Ponadto
- gier
- ogólnie
- generatywny
- generatywna sztuczna inteligencja
- otrzymać
- Ziemia
- zaszkodzić
- Have
- he
- pomoc
- jej
- Ukryty
- Wysoki
- wyższy
- jego
- godzina
- W jaki sposób
- How To
- Jednak
- HTML
- http
- HTTPS
- człowiek
- ID
- obraz
- zdjęcia
- podnieść
- ulepszony
- poprawa
- ulepszenia
- in
- W innych
- informacje
- Włącznie z
- coraz bardziej
- przemysłowa
- Informacja
- zainicjować
- spostrzeżenia
- Inteligencja
- Interfejs
- IT
- łączący
- Etykieta
- Etykiety
- język
- uruchomiona
- Wyprowadzenia
- nauka
- mniej
- Linia
- Lista
- maszyna
- uczenie maszynowe
- zarządzanie
- zarządzane
- i konserwacjami
- kierownik
- wiele
- Marketing
- Maksymalizuj
- Media
- miliony
- Misja
- ML
- model
- modele
- umiar
- jeszcze
- większość
- dużo
- wielokrotność
- Nazwa
- Naturalny
- Przetwarzanie języka naturalnego
- Nawigacja
- ujemny
- negatywy
- Nowości
- nowo
- Nie
- już dziś
- of
- Oferty
- on
- ONE
- Online
- tylko
- działanie
- operacje
- Optymalny
- Opcje
- or
- Inne
- zewnętrzne
- koniec
- przegląd
- chleb
- parametr
- namiętny
- dla
- wykonać
- jest gwarancją najlepszej jakości, które mogą dostarczyć Ci Twoje monitory,
- wykonywania
- wykonuje
- Platformy
- plato
- Analiza danych Platona
- PlatoDane
- polityka
- biedny
- pozytywny
- możliwy
- Post
- potencjał
- power
- mocny
- praktyki
- Prognozy
- przedstawione
- wycena
- Model wyceny
- Główny
- problemy
- wygląda tak
- przetwarzanie
- Produkt
- product manager
- projekt
- promowanie
- chronić
- zapewniać
- pod warunkiem,
- jakość
- Kurs
- Zalecana
- zmniejszyć
- zmniejsza
- regiony
- polegać
- szczątki
- przedstawiciel
- reputacja
- wymagany
- Wymaga
- Odpowiadać
- odpowiedź
- Efekt
- przeglądu
- "bezpiecznym"
- Przykładowy zbiór danych
- Skala
- Seattle
- Sekcja
- bezpieczne
- senior
- oddzielny
- usługa
- Usługi
- zestaw
- Share
- ona
- powinien
- mniejszy
- skrawek
- Obserwuj Nas
- Media społecznościowe
- Tworzenie
- rozwoju oprogramowania
- Rozwiązania
- ROZWIĄZANIA
- specjalizujący się
- specyficzny
- prędkość
- spędził
- dzielić
- początek
- Ewolucja krok po kroku
- Cel
- Nadal
- sklep
- Strategia
- taki
- wystarczający
- system
- systemy
- Brać
- Zadanie
- zadania
- taksonomia
- zespół
- test
- Testowanie
- niż
- że
- Połączenia
- ich
- Te
- to
- Przez
- do
- najwyższy poziom
- Kwota produktów:
- Pociąg
- przeszkolony
- Trening
- transformatorowy
- Podróżowanie
- prawdziwy
- Prawda
- drugiej
- rodzaj
- zazwyczaj
- wyjątkowy
- niepożądany
- przesłanych
- posługiwać się
- przypadek użycia
- używany
- Użytkownik
- Doświadczenie użytkownika
- Użytkownicy
- zastosowania
- za pomocą
- Cenny
- wartość
- wersja
- Wideo
- Filmy
- Zobacz i wysłuchaj
- Przemoc
- wizja
- Odwiedzić
- Głos
- Tom
- spacer
- chcieć
- była
- we
- sieć
- usługi internetowe
- były
- jeśli chodzi o komunikację i motywację
- który
- będzie
- w
- w ciągu
- bez
- słowa
- Praca
- workflow
- pracujący
- lat
- You
- Twój
- zefirnet