Amazon Rekognition oferă capabilități de viziune computerizată pre-instruite și personalizabile pentru a extrage informații și perspective din imagini și videoclipuri. O astfel de capacitate este Etichete de recunoaștere Amazon, care detectează obiecte, scene, acțiuni și concepte în imagini. Clienți precum Synchronoss, Shutterstockși Nomad Media folosesc Amazon Rekognition Labels pentru a adăuga automat metadate în biblioteca lor de conținut și pentru a activa rezultatele căutării bazate pe conținut. TripleLift folosește Amazon Rekognition Labels pentru a determina cele mai bune momente pentru a insera dinamic reclame care completează experiența de vizionare pentru public. vidmob folosește Amazon Rekognition Labels pentru a extrage metadate din reclamele publicitare pentru a înțelege rolul unic al luării deciziilor creative în performanța publicitară, astfel încât agenții de marketing să poată produce anunțuri care au impact asupra obiectivelor cheie la care țin cel mai mult. În plus, mii de alți clienți folosesc Amazon Rekognition Labels pentru a sprijini multe alte cazuri de utilizare, cum ar fi clasificarea fotografiilor de trasee sau de drumeții, detectarea persoanelor sau vehiculelor în filmările camerelor de securitate și clasificarea imaginilor documentelor de identitate.
Amazon Rekognition Labels pentru imagini detectează 600 de etichete noi, inclusiv repere și activități, și îmbunătățește acuratețea pentru peste 2,000 de etichete existente. În plus, Amazon Rekognition Labels acceptă acum Proprietăți imagine pentru a detecta culorile dominante ale unei imagini, prim-planul și fundalul acesteia, precum și obiectele detectate cu casete de delimitare. Image Properties măsoară, de asemenea, luminozitatea, claritatea și contrastul imaginii. În cele din urmă, Amazon Rekognition Labels organizează acum rezultatele etichetelor folosind două câmpuri suplimentare, aliases
și categories
și acceptă filtrarea acestor rezultate. În secțiunile următoare, trecem în revistă noile capabilități și beneficiile acestora mai detaliat cu câteva exemple.
Etichete noi
Amazon Rekognition Labels a adăugat peste 600 de etichete noi, extinzând lista de etichete acceptate. Următoarele sunt câteva exemple de noile etichete:
- Repere populare – Podul Brooklyn, Colosseum, Turnul Eiffel, Machu Picchu, Taj Mahal etc.
- Activitati – Aplauze, ciclism, sărbătorire, sărituri, plimbări de câine etc.
- Detectarea daunelor – Avarierea mașinii, zgârietura mașinii, coroziunea, deteriorarea casei, deteriorarea acoperișului, deteriorarea termitelor etc.
- Text și documente – Diagramă cu bare, carte de îmbarcare, organigramă, caiet, factură, chitanță etc.
- Sportul – Joc de baseball, Bâtă de cricket, Patinaj artistic, Rugby, Polo pe apă etc.
- Multe altele – Curse cu bărci, distracție, peisaj urban, sat, propunere de nuntă, banchet etc.
Cu aceste etichete, clienții din partajarea imaginilor, fotografii de stoc sau media de difuzare pot adăuga automat noi metadate în biblioteca lor de conținut pentru a-și îmbunătăți capacitățile de căutare.
Să ne uităm la un exemplu de detectare a etichetei pentru Podul Brooklyn.
Următorul tabel arată etichetele și scorurile de încredere returnate în răspunsul API.
etichete | Scoruri de încredere |
Podul din Brooklyn | 95.6 |
Bridge | 95.6 |
Reper | 95.6 |
Etichete îmbunătățite
Amazon Rekognition Labels a îmbunătățit, de asemenea, acuratețea pentru peste 2,000 de etichete. Următoarele sunt câteva exemple de etichete îmbunătățite:
- Activitati – Scufundare, Conducere, Citire, Stând, Stând în picioare etc.
- Îmbrăcăminte și accesorii – Rucsac, curea, bluză, hanoraș, jachetă, pantof etc.
- Acasă și în interior – Piscina, Planta in ghiveci, Perna, Semineu, Patura etc.
- Tehnologie și calcul – Căști, telefon mobil, tabletă, citire, laptop etc.
- Vehicule și autovehicule - Camion, roată, anvelopă, bară de protecție, scaun auto, oglindă auto etc.
- Text și documente – Pașaport, Permis de conducere, Carte de vizită, Document etc.
- Multe altele – Câine, Cangur, Piața orașului, Festival, Râs etc.
Proprietăți imagine pentru detectarea culorii dominante și calitatea imaginii
Image Properties este o nouă capacitate a Amazon Rekognition Labels pentru imagini și poate fi utilizată cu sau fără funcționalitatea de detectare a etichetelor. Notă: Proprietăți imagine este pret separat de la Amazon Rekognition Labels și este disponibil numai cu SDK-urile actualizate.
Detectarea culorii dominante
Proprietăți imagine identifică culorile dominante într-o imagine pe baza procentelor de pixeli. Aceste culori dominante sunt mapate la Paleta de culori 140 CSS, RGB, cod hexadecimal și 12 culori simplificate (verde, roz, negru, roșu, galben, cyan, maro, portocaliu, alb, violet, albastru, gri). În mod implicit, API-ul returnează până la 10 culori dominante, cu excepția cazului în care specificați numărul de culori de returnat. Numărul maxim de culori dominante pe care API le poate returna este de 12.
Când este utilizat independent, Image Properties detectează culorile dominante ale unei întregi imagini, precum și prim-planul și fundalul acesteia. Când este folosit împreună cu funcționalitățile de detectare a etichetelor, Image Properties identifică și culorile dominante ale obiectelor detectate cu casete de delimitare.
Clienții care partajează imagini sau fotografii de stoc pot folosi detectarea culorii dominante pentru a-și îmbogăți metadatele bibliotecii de imagini pentru a îmbunătăți descoperirea conținutului, permițând utilizatorilor finali să filtreze după culoare sau să caute obiecte cu anumite culori, cum ar fi „scaun albastru” sau „pantofi roșii”. ” În plus, clienții din publicitate pot determina performanța anunțurilor pe baza culorilor materialelor lor creative.
Calitatea imaginii
Pe lângă detectarea culorii dominante, Image Properties măsoară și calitățile imaginii prin luminozitate, claritate și scoruri de contrast. Fiecare dintre aceste scoruri variază de la 0 la 100. De exemplu, o imagine foarte întunecată va returna valori scăzute de luminozitate, în timp ce o imagine puternic luminată va returna valori ridicate.
Cu aceste scoruri, clienții din partajarea imaginilor, publicitate sau comerțul electronic pot efectua inspecții de calitate și pot filtra imaginile cu luminozitate și claritate scăzute pentru a reduce predicțiile false ale etichetelor.
Următoarea imagine prezintă un exemplu cu Turnul Eiffel.
Următorul tabel este un exemplu de date privind proprietățile imaginii returnate în răspunsul API.
Următoarea imagine este un exemplu pentru un scaun roșu.
Următorul este un exemplu de date privind proprietățile imaginii returnate în răspunsul API.
Următoarea imagine este un exemplu pentru un câine cu un fundal galben.
Următorul este un exemplu de date privind proprietățile imaginii returnate în răspunsul API.
Câmpuri noi de aliasuri și categorii
Amazon Rekognition Labels returnează acum două câmpuri noi, aliases
și categories
, în răspunsul API. Aliasurile sunt alte nume pentru aceeași etichetă și categoriile grupează etichetele individuale pe baza a 40 de teme comune, cum ar fi Food and Beverage
și Animals and Pets
. Odată cu actualizarea modelului de detectare a etichetelor, aliasurile nu mai sunt returnate în lista principală de nume de etichete. În schimb, aliasurile sunt returnate în noul aliases
câmpul din răspunsul API. Notă: Aliasurile și categoriile sunt returnate numai cu SDK-urile actualizate.
Clienții din distribuirea de fotografii, comerțul electronic sau publicitate pot folosi aliasuri și categorii pentru a-și organiza taxonomia metadatelor de conținut pentru a îmbunătăți și mai mult căutarea și filtrarea conținutului:
- Exemplu de aliasuri - Pentru că
Car
șiAutomobile
sunt aliasuri, puteți adăuga metadate la o imagine cuCar
șiAutomobile
în același timp, - Exemplu de categorii – Puteți utiliza categorii pentru a crea un filtru de categorii sau pentru a afișa toate imaginile legate de o anumită categorie, cum ar fi
Food and Beverage
, fără a fi nevoie să adăugați în mod explicit metadate la fiecare imagine cuFood and Beverage
Următoarea imagine arată un exemplu de detectare a etichetei cu pseudonime și categorii pentru un scafandru.
Următorul tabel arată etichetele, scorurile de încredere, aliasurile și categoriile returnate în răspunsul API.
etichete | Scoruri de încredere | Pseudonime | Categorii |
Natură | 99.9 | - | Natura și în aer liber |
Apă | 99.9 | - | Natura și în aer liber |
Scuba Diving | 99.9 | Scuba acvatică | Călătorii și aventură |
Persoană | 99.9 | Uman | Descrierea persoanei |
Activități de agrement | 99.9 | Agrement | Călătorii și aventură |
sportiv | 99.9 | Sportul | Sportul |
Următoarea imagine este un exemplu pentru un biciclist.
Următorul tabel conține etichetele, scorurile de încredere, aliasurile și categoriile returnate în răspunsul API.
etichete | Scoruri de încredere | Pseudonime | Categorii |
Cer | 99.9 | - | Natura și în aer liber |
în aer liber | 99.9 | - | Natura și în aer liber |
Persoană | 98.3 | Uman | Descrierea persoanei |
Apus | 98.1 | Amurg, zori | Natura și în aer liber |
bicicletă | 96.1 | bicicletă | Hobby-uri și interese |
Ciclism | 85.1 | Biciclist, Biciclist | Acţiuni |
Filtre de includere și excludere
Amazon Rekognition Labels introduce noi opțiuni de filtrare de includere și excludere în parametrii de intrare API pentru a restrânge lista specifică de etichete returnate în răspunsul API. Puteți furniza o listă explicită de etichete sau categorii pe care doriți să le includeți sau să le excludeți. Notă: Aceste filtre sunt disponibile cu SDK-urile actualizate.
Clienții pot folosi filtre de includere și excludere pentru a obține etichete sau categorii specifice de care sunt interesați fără a fi nevoie să creeze o logică suplimentară în aplicația lor. De exemplu, clienții din asigurări pot folosi LabelCategoriesInclusionFilter
pentru a include numai rezultatele etichetei în Damage Detection
categorie.
Următorul cod este un exemplu de solicitare API cu filtre de includere și excludere:
Următoarele sunt exemple despre cum funcționează filtrele de includere și excludere:
- Dacă vrei doar să detectezi
Person
șiCar
, și nu vă pasă de alte etichete, puteți specifica [“Person”,”Car”
] înLabelsInclusionFilter
. - Dacă doriți să detectați toate etichetele, cu excepția
Clothing
, puteți specifica [“Clothing”
] înLabelsExclusionFilter
. - Dacă doriți să detectați numai etichete în interiorul
Animal and Pets
categorii cu excepţiaDog
șiCat
, puteți specifica ["Animal and Pets"
] înLabelCategoriesInclusionFilter
, cu ["Dog", "Cat"
] înLabelsExclusionFilter
. - Dacă o etichetă este specificată în
LabelsInclusionFilter
orLabelsExclusionFilter
, pseudonimele lor vor fi incluse sau excluse în mod corespunzător deoarecealiases
este o sub-taxonomie a etichetelor. De exemplu, pentru căAutomobile
este un alias alCar
, dacă specificațiCar
inLabelsInclusionFilter
, API-ul va returnaCar
eticheta cuAutomobile
înaliases
camp.
Concluzie
Amazon Rekognition Labels detectează 600 de etichete noi și îmbunătățește acuratețea pentru peste 2,000 de etichete existente. Alături de aceste actualizări, Amazon Rekognition Labels acceptă acum proprietăți de imagine, aliasuri și categorii, precum și filtre de includere și includere.
Pentru a încerca noul model de detectare a etichetei cu noile sale funcții, conectați-vă la contul dvs. AWS și verificați Consola Amazon Rekognition pentru detectarea etichetelor și proprietățile imaginii. Pentru a afla mai multe, vizitați Detectarea etichetelor.
Despre autori
Maria Handoko este Senior Product Manager la AWS. Ea se concentrează pe a ajuta clienții să-și rezolve provocările de afaceri prin învățarea automată și viziunea computerizată. În timpul liber, îi place să facă drumeții, să asculte podcasturi și să exploreze diferite bucătării.
Shipra Kanoria este manager de produs principal la AWS. Este pasionată de a ajuta clienții să-și rezolve cele mai complexe probleme cu puterea învățării automate și a inteligenței artificiale. Înainte de a se alătura AWS, Shipra a petrecut peste 4 ani la Amazon Alexa, unde a lansat multe funcții legate de productivitate pe asistentul vocal Alexa.
- AI
- ai art
- ai art generator
- ai robot
- Amazon Rekognition
- inteligență artificială
- certificare de inteligență artificială
- inteligența artificială în domeniul bancar
- robot cu inteligență artificială
- roboți cu inteligență artificială
- software de inteligență artificială
- Învățare automată AWS
- blockchain
- conferință blockchain ai
- coingenius
- inteligența artificială conversațională
- criptoconferință ai
- dall-e
- învățare profundă
- google ai
- masina de învățare
- Plato
- platoul ai
- Informații despre date Platon
- Jocul lui Platon
- PlatoData
- platogaming
- scara ai
- sintaxă
- zephyrnet