Amazon Rekognition Labels เพิ่มป้ายกำกับใหม่ 600 ป้าย รวมถึงจุดสังเกต และตอนนี้ตรวจจับสีเด่นได้แล้ว

ความหมายของ Amazon นำเสนอความสามารถในการมองเห็นของคอมพิวเตอร์ที่ได้รับการฝึกฝนมาล่วงหน้าและปรับแต่งได้เพื่อดึงข้อมูลและข้อมูลเชิงลึกจากรูปภาพและวิดีโอ ความสามารถอย่างหนึ่งคือ ป้ายกำกับการรับรู้ของ Amazonซึ่งตรวจจับวัตถุ ฉาก การกระทำ และแนวคิดในภาพ ลูกค้าเช่น Synchronoss, Shutterstockและ Nomad Media ใช้ Amazon Rekognition Labels เพื่อเพิ่มข้อมูลเมตาไปยังไลบรารีเนื้อหาโดยอัตโนมัติและเปิดใช้งานผลการค้นหาตามเนื้อหา TripleLift ใช้ Amazon Rekognition Labels เพื่อกำหนดช่วงเวลาที่ดีที่สุดในการแทรกโฆษณาแบบไดนามิกที่เสริมประสบการณ์การรับชมสำหรับผู้ชม วิดีโอม็อบ ใช้ Amazon Rekognition Labels เพื่อดึงข้อมูลเมตาจากโฆษณาเพื่อทำความเข้าใจบทบาทเฉพาะของการตัดสินใจเชิงสร้างสรรค์ในประสิทธิภาพของโฆษณา ดังนั้นนักการตลาดจึงสามารถสร้างโฆษณาที่ส่งผลต่อวัตถุประสงค์หลักที่พวกเขาสนใจมากที่สุด นอกจากนี้ ลูกค้าอีกหลายพันรายใช้ Amazon Rekognition Labels เพื่อสนับสนุนกรณีการใช้งานอื่นๆ มากมาย เช่น การจำแนกภาพเส้นทางหรือภาพการเดินป่า การตรวจจับบุคคลหรือยานพาหนะในฟุตเทจของกล้องรักษาความปลอดภัย และการจัดประเภทภาพเอกสารระบุตัวตน

Amazon Rekognition Labels สำหรับรูปภาพตรวจจับป้ายใหม่ 600 ป้าย รวมถึงจุดสังเกตและกิจกรรม และปรับปรุงความแม่นยำสำหรับป้ายที่มีอยู่กว่า 2,000 ป้าย นอกจากนี้ ตอนนี้ Amazon Rekognition Labels รองรับคุณสมบัติรูปภาพเพื่อตรวจหาสีที่โดดเด่นของรูปภาพ พื้นหน้าและพื้นหลัง ตลอดจนวัตถุที่ตรวจพบพร้อมกล่องที่มีขอบ คุณสมบัติของรูปภาพยังวัดความสว่าง ความคมชัด และความเปรียบต่างของรูปภาพอีกด้วย ประการสุดท้าย ตอนนี้ Amazon Rekognition Labels จัดระเบียบผลลัพธ์ของป้ายกำกับโดยใช้ฟิลด์เพิ่มเติมสองฟิลด์ aliases และ categoriesและรองรับการกรองผลลัพธ์เหล่านั้น ในส่วนต่อไปนี้ เราจะตรวจสอบความสามารถใหม่และประโยชน์โดยละเอียดพร้อมตัวอย่างบางส่วน

ป้ายกำกับใหม่

Amazon Rekognition Labels ได้เพิ่มป้ายกำกับใหม่กว่า 600 รายการ ซึ่งขยายรายการป้ายกำกับที่รองรับ ต่อไปนี้เป็นตัวอย่างบางส่วนของป้ายกำกับใหม่:

• สถานที่สำคัญยอดนิยม – สะพานบรูคลิน โคลอสเซียม หอไอเฟล มาชูปิกชู ทัชมาฮาล ฯลฯ
• กิจกรรม – เสียงปรบมือ ปั่นจักรยาน ฉลอง กระโดด พาหมาเดิน ฯลฯ
• การตรวจจับความเสียหาย – รอยบุบ, รอยรถ, การกัดกร่อน, ความเสียหายต่อบ้าน, ความเสียหายของหลังคา, ความเสียหายจากปลวก, ฯลฯ
• ข้อความและเอกสาร – แผนภูมิแท่ง, Boarding Pass, Flow Chart, Notebook, Invoice, Receipt ฯลฯ
• กีฬา – เกมเบสบอล, ไม้คริกเก็ต, สเก็ตลีลา, รักบี้, โปโลน้ำ ฯลฯ
• อื่น ๆ อีกมากมาย – การแข่งเรือ, ความสนุก, วิวเมือง, หมู่บ้าน, การขอแต่งงาน, งานเลี้ยง ฯลฯ

ด้วยป้ายกำกับเหล่านี้ ลูกค้าในการแบ่งปันรูปภาพ การถ่ายภาพสต็อก หรือสื่อออกอากาศสามารถเพิ่มข้อมูลเมตาใหม่ไปยังไลบรารีเนื้อหาของตนได้โดยอัตโนมัติเพื่อปรับปรุงความสามารถในการค้นหา

ลองดูตัวอย่างการตรวจจับฉลากสำหรับสะพานบรู๊คลิน

ตารางต่อไปนี้แสดงป้ายกำกับและคะแนนความเชื่อมั่นที่ส่งคืนในการตอบสนองของ API

ฉลากที่ได้รับการปรับปรุง

Amazon Rekognition Labels ได้ปรับปรุงความแม่นยำสำหรับป้ายกำกับกว่า 2,000 รายการ ต่อไปนี้เป็นตัวอย่างบางส่วนของป้ายกำกับที่ได้รับการปรับปรุง:

• กิจกรรม – ดำน้ำ ขับรถ อ่านหนังสือ นั่ง ยืน ฯลฯ
• เครื่องแต่งกายและเครื่องประดับ – กระเป๋าเป้ เข็มขัด เสื้อเบลาส์ เสื้อมีฮู้ด แจ็คเก็ต รองเท้า ฯลฯ
• บ้านและในบ้าน – สระว่ายน้ำ ไม้กระถาง หมอน เตาผิง ผ้าห่ม ฯลฯ
• เทคโนโลยีและคอมพิวเตอร์ – หูฟัง, โทรศัพท์มือถือ, แท็บเล็ตคอมพิวเตอร์, อ่านหนังสือ, แล็ปท็อป ฯลฯ
• ยานพาหนะและยานยนต์ – รถบรรทุก, ล้อ, ยาง, กันชน, เบาะรถยนต์, กระจกรถยนต์ ฯลฯ
• ข้อความและเอกสาร – หนังสือเดินทาง ใบขับขี่ นามบัตร เอกสาร ฯลฯ
• อื่น ๆ อีกมากมาย – สุนัข จิงโจ้ ทาวน์สแควร์ เทศกาลหัวเราะ ฯลฯ

คุณสมบัติของภาพสำหรับการตรวจจับสีที่โดดเด่นและคุณภาพของภาพ

คุณสมบัติอิมเมจเป็นความสามารถใหม่ของ Amazon Rekognition Labels สำหรับอิมเมจ และสามารถใช้ได้โดยมีหรือไม่มีฟังก์ชันการตรวจจับฉลาก หมายเหตุ: คุณสมบัติของรูปภาพคือ ราคาแยกต่างหาก จาก Amazon Rekognition Labels และใช้ได้กับ SDK ที่อัปเดตแล้วเท่านั้น

การตรวจจับสีที่โดดเด่น

คุณสมบัติของรูปภาพระบุสีที่โดดเด่นในภาพตามเปอร์เซ็นต์พิกเซล สีที่โดดเด่นเหล่านี้ถูกจับคู่กับ จานสี 140 CSS, RGB, โค้ดฐานสิบหก และสีแบบง่าย 12 สี (เขียว ชมพู ดำ แดง เหลือง ฟ้า น้ำตาล ส้ม ขาว ม่วง น้ำเงิน เทา) ตามค่าเริ่มต้น API จะส่งคืนสีที่โดดเด่นสูงสุด 10 สี เว้นแต่คุณจะระบุจำนวนสีที่จะส่งคืน จำนวนสีเด่นสูงสุดที่ API สามารถส่งคืนได้คือ 12

เมื่อใช้แบบสแตนด์อโลน คุณสมบัติของรูปภาพจะตรวจจับสีที่โดดเด่นของทั้งภาพ ตลอดจนพื้นหน้าและพื้นหลัง เมื่อใช้ร่วมกับฟังก์ชันการตรวจจับฉลาก คุณสมบัติของรูปภาพจะระบุสีที่โดดเด่นของวัตถุที่ตรวจพบด้วยกล่องที่มีขอบ

ลูกค้าในการแบ่งปันรูปภาพหรือการถ่ายภาพสต็อกสามารถใช้การตรวจจับสีที่โดดเด่นเพื่อเพิ่มข้อมูลเมตาของไลบรารีรูปภาพเพื่อปรับปรุงการค้นพบเนื้อหา ทำให้ผู้ใช้สามารถกรองตามสีหรือค้นหาวัตถุด้วยสีเฉพาะ เช่น "เก้าอี้สีน้ำเงิน" หรือ "รองเท้าสีแดง" ” นอกจากนี้ ลูกค้าในการโฆษณาสามารถกำหนดประสิทธิภาพโฆษณาตามสีของเนื้อหาโฆษณาของตน

คุณภาพของภาพ

นอกจากการตรวจจับสีที่โดดเด่นแล้ว คุณสมบัติของรูปภาพยังวัดคุณภาพของภาพด้วยคะแนนความสว่าง ความคมชัด และคอนทราสต์ แต่ละคะแนนมีตั้งแต่ 0–100 ตัวอย่างเช่น ภาพที่มืดมากจะแสดงค่าความสว่างต่ำ ในขณะที่ภาพที่สว่างจ้าจะแสดงค่าที่สูง

ด้วยคะแนนเหล่านี้ ลูกค้าในการแบ่งปันภาพ โฆษณา หรืออีคอมเมิร์ซสามารถทำการตรวจสอบคุณภาพและกรองภาพที่มีความสว่างและความคมชัดต่ำออกเพื่อลดการคาดคะเนฉลากที่ผิดพลาด

ภาพต่อไปนี้แสดงตัวอย่างหอไอเฟล

ตารางต่อไปนี้เป็นตัวอย่างของข้อมูลคุณสมบัติอิมเมจที่ส่งคืนในการตอบสนองของ API

รูปภาพต่อไปนี้เป็นตัวอย่างสำหรับเก้าอี้สีแดง

ต่อไปนี้เป็นตัวอย่างของข้อมูลคุณสมบัติรูปภาพที่ส่งคืนในการตอบสนองของ API

รูปภาพต่อไปนี้เป็นตัวอย่างสำหรับสุนัขที่มีพื้นหลังสีเหลือง

ต่อไปนี้เป็นตัวอย่างของข้อมูลคุณสมบัติรูปภาพที่ส่งคืนในการตอบสนองของ API

ฟิลด์นามแฝงและหมวดหมู่ใหม่

ตอนนี้ Amazon Rekognition Labels ส่งคืนฟิลด์ใหม่สองฟิลด์ aliases และ categoriesในการตอบสนอง API นามแฝงเป็นชื่ออื่นสำหรับป้ายกำกับเดียวกันและหมวดหมู่จะจัดกลุ่มป้ายกำกับแต่ละรายการเข้าด้วยกันตามธีมทั่วไป 40 ธีม เช่น Food and Beverage และ Animals and Pets. ด้วยการอัปเดตรูปแบบการตรวจจับป้ายกำกับ นามแฝงจะไม่ถูกส่งคืนในรายการหลักของชื่อป้ายกำกับอีกต่อไป นามแฝงจะถูกส่งกลับในใหม่แทน aliases ฟิลด์ในการตอบกลับ API หมายเหตุ: นามแฝงและหมวดหมู่จะถูกส่งกลับมาพร้อมกับ SDK ที่อัปเดตแล้วเท่านั้น

ลูกค้าในการแชร์รูปภาพ อีคอมเมิร์ซ หรือโฆษณาสามารถใช้นามแฝงและหมวดหมู่เพื่อจัดระเบียบอนุกรมวิธานข้อมูลเมตาของเนื้อหาเพื่อปรับปรุงการค้นหาและการกรองเนื้อหาให้ดียิ่งขึ้น:

• ตัวอย่างนามแฝง - เพราะ Car และ Automobile เป็นนามแฝง คุณสามารถเพิ่มข้อมูลเมตาให้กับรูปภาพด้วย Car และ Automobile ในขณะเดียวกัน
• ตัวอย่างหมวดหมู่ – คุณสามารถใช้หมวดหมู่เพื่อสร้างตัวกรองหมวดหมู่หรือแสดงภาพทั้งหมดที่เกี่ยวข้องกับหมวดหมู่เฉพาะได้ เช่น Food and Beverageโดยไม่ต้องเพิ่มข้อมูลเมตาลงในแต่ละภาพอย่างชัดเจนด้วย Food and Beverage

รูปภาพต่อไปนี้แสดงตัวอย่างการตรวจจับป้ายกำกับด้วยนามแฝงและหมวดหมู่สำหรับนักดำน้ำ

ตารางต่อไปนี้แสดงป้ายกำกับ คะแนนความเชื่อมั่น นามแฝง และหมวดหมู่ที่ส่งคืนในการตอบสนองของ API

ภาพต่อไปนี้เป็นตัวอย่างสำหรับนักปั่น

ตารางต่อไปนี้ประกอบด้วยป้ายกำกับ คะแนนความเชื่อมั่น นามแฝง และหมวดหมู่ที่ส่งคืนในการตอบสนองของ API

ตัวกรองการรวมและการยกเว้น

Amazon Rekognition Labels นำเสนอตัวเลือกการกรองการรวมและการยกเว้นใหม่ในพารามิเตอร์อินพุต API เพื่อจำกัดรายการป้ายกำกับที่ส่งคืนในการตอบกลับ API ให้แคบลง คุณสามารถระบุรายการป้ายกำกับหรือหมวดหมู่ที่ชัดเจนที่คุณต้องการรวมหรือไม่รวม หมายเหตุ: ตัวกรองเหล่านี้ใช้ได้กับ SDK ที่อัปเดตแล้ว

ลูกค้าสามารถใช้ตัวกรองการรวมและการยกเว้นเพื่อรับป้ายกำกับหรือหมวดหมู่เฉพาะที่พวกเขาสนใจ โดยไม่ต้องสร้างตรรกะเพิ่มเติมในแอปพลิเคชันของตน ตัวอย่างลูกค้าประกันสามารถใช้ได้ LabelCategoriesInclusionFilter เพื่อรวมเฉพาะผลลัพธ์ป้ายกำกับใน Damage Detection หมวดหมู่

รหัสต่อไปนี้เป็นคำขอตัวอย่าง API พร้อมตัวกรองการรวมและการยกเว้น:

{
    "Image": {
        "S3Object": {
            "Bucket": "bucket",
            "Name": "input.jpg" 
        } 
    },
    "MaxLabels": 10, 
    "MinConfidence": 75,
    "Features": [ "GENERAL_LABELS", "IMAGE_PROPERTIES" ],
    "Settings": {
        "GeneralLabels": {
            "LabelsInclusionFilter": [],
            "LabelsExclusionFilter": [],
            "LabelCategoriesInclusionFilter": [],
            "LabelCategoriesExclusionFilter": [] 
        },
        "ImageProperties": {
            "MaxDominantColors":10
        }
    }
 }

ต่อไปนี้คือตัวอย่างการทำงานของตัวกรองการรวมและการยกเว้น:

• หากคุณต้องการตรวจจับเท่านั้น Person และ Carและไม่ต้องสนใจป้ายกำกับอื่นๆ คุณสามารถระบุ [“Person”,”Car”] ใน LabelsInclusionFilter.
• หากคุณต้องการตรวจหาป้ายกำกับทั้งหมดยกเว้น Clothingคุณสามารถระบุ [“Clothing”] ใน LabelsExclusionFilter.
• หากคุณต้องการตรวจหาเฉพาะฉลากภายใน Animal and Pets หมวดหมู่ ยกเว้น Dog และ Catคุณสามารถระบุ ["Animal and Pets"] ใน LabelCategoriesInclusionFilter, กับ ["Dog", "Cat"] ใน LabelsExclusionFilter.
• หากมีการระบุฉลากใน LabelsInclusionFilter or LabelsExclusionFilterนามแฝงของพวกเขาจะถูกรวมหรือแยกออกตามนั้น เนื่องจาก aliases เป็นอนุกรมวิธานย่อยของฉลาก ตัวอย่างเช่นเนื่องจาก Automobile เป็นนามแฝงของ Carหากคุณระบุ Car in LabelsInclusionFilter, API จะส่งคืนไฟล์ Car ติดฉลากด้วย Automobile ใน aliases สนาม

สรุป

Amazon Rekognition Labels ตรวจจับป้ายกำกับใหม่ 600 รายการและปรับปรุงความแม่นยำสำหรับป้ายกำกับที่มีอยู่กว่า 2,000 รายการ นอกจากการอัปเดตเหล่านี้แล้ว ตอนนี้ Amazon Rekognition Labels ยังรองรับคุณสมบัติของรูปภาพ นามแฝง และหมวดหมู่ ตลอดจนการรวมและตัวกรองการรวม

หากต้องการลองใช้รูปแบบการตรวจจับฉลากใหม่พร้อมคุณสมบัติใหม่ ให้เข้าสู่ระบบบัญชี AWS ของคุณแล้วตรวจสอบ คอนโซล Amazon Rekognition สำหรับการตรวจจับฉลากและคุณสมบัติของรูปภาพ หากต้องการเรียนรู้เพิ่มเติม โปรดไปที่ การตรวจจับฉลาก.

เกี่ยวกับผู้แต่ง

มาเรีย ฮันโดโกะ เป็นผู้จัดการผลิตภัณฑ์อาวุโสของ AWS เธอมุ่งเน้นไปที่การช่วยเหลือลูกค้าในการแก้ปัญหาความท้าทายทางธุรกิจผ่านการเรียนรู้ของเครื่องและการมองเห็นด้วยคอมพิวเตอร์ ในเวลาว่าง เธอชอบเดินป่า ฟังพอดแคสต์ และสำรวจอาหารต่างๆ

ชิปรา คาโนเรีย เป็นผู้จัดการผลิตภัณฑ์หลักของ AWS เธอมีความกระตือรือร้นในการช่วยลูกค้าแก้ปัญหาที่ซับซ้อนที่สุดด้วยพลังของแมชชีนเลิร์นนิงและปัญญาประดิษฐ์ ก่อนเข้าร่วม AWS Shipra ใช้เวลากว่า 4 ปีที่ Amazon Alexa ซึ่งเธอได้เปิดตัวคุณสมบัติที่เกี่ยวข้องกับประสิทธิภาพการทำงานมากมายในผู้ช่วยเสียงของ Alexa