As empresas dependem cada vez mais de imagens e vídeos gerados pelos usuários para engajamento. Desde plataformas de comércio eletrônico que incentivam os clientes a compartilhar imagens de produtos até empresas de mídia social que promovem vídeos e imagens gerados por usuários, usar o conteúdo do usuário para engajamento é uma estratégia poderosa. No entanto, pode ser um desafio garantir que este conteúdo gerado pelo utilizador seja consistente com as suas políticas e promova uma comunidade online segura para os seus utilizadores.
Muitas empresas atualmente dependem de moderadores humanos ou respondem de forma reativa às reclamações dos usuários para gerenciar conteúdo inadequado gerado pelos usuários. Essas abordagens não são escalonáveis para moderar efetivamente milhões de imagens e vídeos com qualidade ou velocidade suficientes, o que leva a uma experiência do usuário insatisfatória, a altos custos para atingir a escala ou até mesmo a possíveis danos à reputação da marca.
Nesta postagem, discutimos como usar o recurso Moderação personalizada em Reconhecimento da Amazônia para aumentar a precisão de sua API de moderação de conteúdo pré-treinada.
Moderação de conteúdo no Amazon Rekognition
O Amazon Rekognition é um serviço gerenciado de inteligência artificial (IA) que oferece recursos de visão computacional pré-treinados e personalizáveis para extrair informações e insights de imagens e vídeos. Uma dessas capacidades é Moderação de conteúdo do Amazon Rekognition, que detecta conteúdo impróprio ou indesejado em imagens e vídeos. O Amazon Rekognition usa uma taxonomia hierárquica para rotular conteúdo impróprio ou indesejado com 10 categorias de moderação de nível superior (como violência, conteúdo explícito, álcool ou drogas) e 35 categorias de segundo nível. Clientes de setores como comércio eletrônico, mídia social e jogos podem usar a moderação de conteúdo no Amazon Rekognition para proteger a reputação de sua marca e promover comunidades de usuários seguras.
Ao usar o Amazon Rekognition para moderação de imagens e vídeos, os moderadores humanos precisam revisar um conjunto muito menor de conteúdo, normalmente de 1 a 5% do volume total, já sinalizado pelo modelo de moderação de conteúdo. Isto permite que as empresas se concentrem em atividades mais valiosas e ainda obtenham uma cobertura de moderação abrangente por uma fração do seu custo atual.
Apresentando a moderação personalizada do Amazon Rekognition
Agora você pode aprimorar a precisão do modelo de moderação do Rekognition para dados específicos do seu negócio com o recurso Moderação Personalizada. Você pode treinar um adaptador personalizado com apenas 20 imagens anotadas em menos de 1 hora. Esses adaptadores ampliam os recursos do modelo de moderação para detectar imagens usadas para treinamento com maior precisão. Para esta postagem, usamos um conjunto de dados de amostra contendo imagens seguras e imagens com bebidas alcoólicas (consideradas inseguras) para aumentar a precisão do rótulo de moderação de álcool.
O ID exclusivo do adaptador treinado pode ser fornecido ao existente DetectarModeraçãoLabels Operação de API para processar imagens usando este adaptador. Cada adaptador só pode ser usado pela conta da AWS que foi usada para treinar o adaptador, garantindo que os dados usados para treinamento permaneçam seguros nessa conta da AWS. Com o recurso Moderação personalizada, você pode personalizar o modelo de moderação pré-treinado do Rekognition para melhorar o desempenho em seu caso de uso de moderação específico, sem qualquer conhecimento de aprendizado de máquina (ML). Você pode continuar aproveitando os benefícios de um serviço de moderação totalmente gerenciado com um modelo de preços pago conforme o uso para Moderação Personalizada.
Visão geral da solução
Treinar um adaptador de moderação personalizado envolve cinco etapas que você pode concluir usando o Console de gerenciamento da AWS ou a interface API:
- Criar um projeto
- Faça upload dos dados de treinamento
- Atribuir rótulos de verdade às imagens
- Treine o adaptador
- Use o adaptador
Vamos percorrer essas etapas com mais detalhes usando o console.
Criar um projeto
Um projeto é um contêiner para armazenar seus adaptadores. Você pode treinar vários adaptadores em um projeto com diferentes conjuntos de dados de treinamento para avaliar qual adaptador tem melhor desempenho para seu caso de uso específico. Para criar seu projeto, execute as seguintes etapas:
- No console do Amazon Rekognition, escolha Moderação personalizada no painel de navegação.
- Escolha Criar projeto.
- Escolha Nome do Projeto, insira um nome para seu projeto.
- Escolha Nome do adaptador, insira um nome para seu adaptador.
- Opcionalmente, insira uma descrição para seu adaptador.
Carregar dados de treinamento
Você pode começar com apenas 20 imagens de amostra para adaptar o modelo de moderação e detectar menos falsos positivos (imagens apropriadas para o seu negócio, mas sinalizadas pelo modelo com um rótulo de moderação). Para reduzir falsos negativos (imagens inadequadas para o seu negócio, mas que não são sinalizadas com um rótulo de moderação), você deve começar com 50 imagens de amostra.
É possível selecionar uma das seguintes opções para fornecer os conjuntos de dados de imagens para treinamento do adaptador:
Conclua as seguintes etapas:
- Para esta postagem, selecione Importar imagens do intervalo S3 e insira seu URI S3.
Como qualquer processo de treinamento de ML, treinar um adaptador de moderação personalizada no Amazon Rekognition requer dois conjuntos de dados separados: um para treinar o adaptador e outro para avaliar o adaptador. Você pode fazer upload de um conjunto de dados de teste separado ou optar por dividir automaticamente seu conjunto de dados de treinamento para treinamento e teste.
- Para esta postagem, selecione Divisão automática.
- Selecionar Ativar atualização automática para garantir que o sistema treine novamente o adaptador automaticamente quando uma nova versão do modelo de moderação de conteúdo for iniciada.
- Escolha Criar projeto.
Atribuir rótulos de verdade às imagens
Se você fez upload de imagens não anotadas, poderá usar o console do Amazon Rekognition para fornecer rótulos de imagens de acordo com a taxonomia de moderação. No exemplo a seguir, treinamos um adaptador para detectar álcool oculto com maior precisão e rotulamos todas essas imagens com o rótulo álcool. Imagens não consideradas inadequadas podem ser rotuladas como Seguras.
Treine o adaptador
Depois de rotular todas as imagens, escolha Comece a treinar para iniciar o processo de treinamento. O Amazon Rekognition usará os conjuntos de dados de imagens carregados para treinar um modelo de adaptador para maior precisão no tipo específico de imagens fornecidas para treinamento.
Depois que o adaptador de moderação personalizado for treinado, você poderá visualizar todos os detalhes do adaptador (adapterID
, test
e training
arquivos de manifesto) no Desempenho do adaptador seção.
A Desempenho do adaptador A seção exibe melhorias em falsos positivos e falsos negativos quando comparada ao modelo de moderação pré-treinado. O adaptador que treinamos para melhorar a detecção do rótulo do álcool reduz a taxa de falsos negativos nas imagens de teste em 73%. Em outras palavras, o adaptador agora prevê com precisão o rótulo de moderação de álcool para 73% mais imagens em comparação com o modelo de moderação pré-treinado. No entanto, nenhuma melhoria é observada nos falsos positivos, uma vez que não foram utilizadas amostras de falsos positivos para treino.
Use o adaptador
Você pode realizar inferências usando o adaptador recém-treinado para obter maior precisão. Para fazer isso, ligue para o Amazon Rekognition DetectModerationLabel
API com um parâmetro adicional, ProjectVersion
, que é o único AdapterID
do adaptador. A seguir está um exemplo de comando usando o Interface de linha de comando da AWS (AWS CLI):
A seguir está um trecho de código de exemplo usando o Biblioteca Python Boto3:
Melhores práticas para treinamento
Para maximizar o desempenho do seu adaptador, as seguintes práticas recomendadas são recomendadas para treinar o adaptador:
- Os dados de imagem de amostra devem capturar os erros representativos que você deseja para melhorar a precisão do modelo de moderação.
- Em vez de apenas trazer imagens de erro para falsos positivos e falsos negativos, você também pode fornecer verdadeiros positivos e verdadeiros negativos para melhorar o desempenho
- Forneça o máximo possível de imagens anotadas para treinamento
Conclusão
Nesta postagem, apresentamos uma visão geral detalhada do novo recurso de moderação personalizada do Amazon Rekognition. Além disso, detalhamos as etapas para realizar o treinamento usando o console, incluindo práticas recomendadas para obter resultados ideais. Para obter informações adicionais, visite o console do Amazon Rekognition e explore o recurso Moderação personalizada.
Moderação personalizada do Amazon Rekognition agora está disponível em todas as regiões da AWS onde o Amazon Rekognition está disponível.
Saiba mais sobre moderação de conteúdo na AWS. Dê o primeiro passo para simplificando suas operações de moderação de conteúdo com a AWS.
Sobre os autores
Shipra Kanoria é gerente de produto principal da AWS. Ela é apaixonada por ajudar os clientes a resolver seus problemas mais complexos com o poder do aprendizado de máquina e da inteligência artificial. Antes de ingressar na AWS, Shipra passou mais de 4 anos na Amazon Alexa, onde lançou muitos recursos relacionados à produtividade no assistente de voz Alexa.
Aakash Profundo é gerente de engenharia de desenvolvimento de software baseado em Seattle. Ele gosta de trabalhar com visão computacional, IA e sistemas distribuídos. Sua missão é permitir que os clientes resolvam problemas complexos e criem valor com o AWS Rekognition. Fora do trabalho, ele gosta de fazer caminhadas e viajar.
Lana Zhang é arquiteto de soluções sênior na equipe de serviços de IA do AWS WWSO, especializado em IA e ML para moderação de conteúdo, visão computacional, processamento de linguagem natural e IA generativa. Com sua experiência, ela se dedica a promover soluções de IA/ML da AWS e ajudar os clientes a transformar suas soluções de negócios em diversos setores, incluindo mídia social, jogos, comércio eletrônico, mídia, publicidade e marketing.
- Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
- PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
- PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
- PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
- PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
- Fonte: https://aws.amazon.com/blogs/machine-learning/announcing-rekogniton-custom-moderation-enhance-accuracy-of-pre-trained-rekognition-moderation-models-with-your-data/
- :é
- :não
- :onde
- 1
- 10
- 100
- 118
- 150
- 20
- 35%
- 50
- 7
- 9
- a
- aakash
- Sobre
- Conta
- precisão
- exatamente
- Alcançar
- em
- atividades
- adaptar
- Adicional
- Informação adicional
- endereço
- Publicidade
- AI
- Serviços de IA
- AI / ML
- Álcool
- Alexa
- Todos os Produtos
- já
- tb
- Amazon
- Reconhecimento da Amazônia
- Amazon Web Services
- an
- e
- Anunciando
- Outro
- qualquer
- api
- se aproxima
- apropriado
- SOMOS
- artificial
- inteligência artificial
- Inteligência artificial (AI)
- AS
- avaliar
- Assistente
- ajudando
- At
- autor
- automaticamente
- disponível
- AWS
- baseado
- BE
- antes
- começar
- Benefícios
- MELHOR
- melhores práticas
- ambos
- interesse?
- Trazendo
- negócio
- mas a
- by
- chamada
- CAN
- capacidades
- capacidade
- capturar
- casas
- Categorias
- desafiante
- Escolha
- cliente
- código
- Comunidades
- comunidade
- Empresas
- comparado
- queixas
- completar
- integrações
- compreensivo
- computador
- Visão de Computador
- considerado
- consistente
- cônsul
- Recipiente
- conteúdo
- continuar
- Custo
- custos
- cobertura
- crio
- Criar valor
- Atualmente
- personalizadas
- Clientes
- personalizável
- dados,
- conjuntos de dados
- dedicado
- profundo
- descrição
- detalhe
- detalhado
- detalhes
- descobrir
- Detecção
- Desenvolvimento
- diferente
- discutir
- monitores
- distribuído
- Sistemas distribuídos
- diferente
- do
- não
- Drogas
- e-commerce,
- cada
- Loja virtual
- efetivamente
- ou
- permitir
- permite
- animador
- COMPROMETIMENTO
- Engenharia
- aumentar
- aprimorada
- desfrutar
- garantir
- assegurando
- Entrar
- erro
- erros
- avaliação
- Mesmo
- exemplo
- existente
- vasta experiência
- experiência
- explorar
- estender
- extrato
- falso
- Característica
- Funcionalidades
- poucos
- menos
- Arquivos
- Primeiro nome
- cinco
- marcado
- Foco
- seguinte
- Escolha
- Promover
- promove
- fração
- da
- totalmente
- Além disso
- jogos
- geralmente
- generativo
- IA generativa
- ter
- Solo
- prejudicar
- Ter
- he
- ajuda
- sua experiência
- oculto
- Alta
- superior
- sua
- hora
- Como funciona o dobrador de carta de canal
- Como Negociar
- Contudo
- HTML
- http
- HTTPS
- humano
- ID
- imagem
- imagens
- melhorar
- melhorado
- melhoria
- melhorias
- in
- Em outra
- em profundidade
- Incluindo
- cada vez mais
- indústrias
- INFORMAÇÕES
- iniciar
- insights
- Inteligência
- Interface
- IT
- juntando
- O rótulo
- Rótulos
- língua
- lançado
- Leads
- aprendizagem
- menos
- Line
- Lista
- máquina
- aprendizado de máquina
- gerencia
- gerenciados
- de grupos
- Gerente
- muitos
- Marketing
- Maximizar
- Mídia
- milhões
- Missão
- ML
- modelo
- modelos
- moderação
- mais
- a maioria
- muito
- múltiplo
- nome
- natural
- Processamento de linguagem natural
- Navegação
- negativo
- negativos
- Novo
- recentemente
- não
- agora
- of
- Oferece
- on
- ONE
- online
- só
- operação
- Operações
- ideal
- Opções
- or
- Outros
- lado de fora
- Acima de
- Visão geral
- pão
- parâmetro
- apaixonado
- para
- Realizar
- atuação
- realização
- executa
- Plataformas
- platão
- Inteligência de Dados Platão
- PlatãoData
- políticas
- pobre
- positivo
- possível
- Publique
- potencial
- poder
- poderoso
- práticas
- Previsões
- apresentado
- preços
- modelo de precificação
- Diretor
- problemas
- processo
- em processamento
- Produto
- gerente de produto
- projeto
- Promoção
- proteger
- fornecer
- fornecido
- qualidade
- Taxa
- Recomenda
- reduzir
- reduz
- regiões
- depender
- permanece
- representante
- reputação
- requeridos
- exige
- Responder
- resposta
- Resultados
- rever
- seguro
- Conjunto de dados de amostra
- Escala
- Seattle
- Seção
- seguro
- senior
- separado
- serviço
- Serviços
- conjunto
- Partilhar
- ela
- rede de apoio social
- menor
- fragmento
- Redes Sociais
- meios de comunicação social
- Software
- desenvolvimento de software
- Soluções
- RESOLVER
- especializando
- específico
- velocidade
- gasto
- divisão
- começo
- Passo
- Passos
- Ainda
- loja
- Estratégia
- tal
- suficiente
- .
- sistemas
- Tire
- Tarefa
- tarefas
- taxonomia
- Profissionais
- teste
- ensaio
- do que
- que
- A
- deles
- Este
- isto
- Através da
- para
- nível superior
- Total
- Trem
- treinado
- Training
- transformando
- Viagens
- verdadeiro
- Verdade
- dois
- tipo
- tipicamente
- único
- não desejado
- carregado
- usar
- caso de uso
- usava
- Utilizador
- Experiência do Usuário
- usuários
- usos
- utilização
- Valioso
- valor
- versão
- Vídeo
- VÍDEOS
- Ver
- Violência
- visão
- Visite a
- voz
- volume
- andar
- queremos
- foi
- we
- web
- serviços web
- foram
- quando
- qual
- precisarão
- de
- dentro
- sem
- palavras
- Atividades:
- de gestão de documentos
- trabalhar
- anos
- Vocês
- investimentos
- zefirnet