Şirketler etkileşim için giderek daha fazla kullanıcı tarafından oluşturulan görsellere ve videolara güveniyor. Müşterileri ürün görsellerini paylaşmaya teşvik eden e-ticaret platformlarından, kullanıcı tarafından oluşturulan video ve görselleri tanıtan sosyal medya şirketlerine kadar, kullanıcı içeriğini etkileşim için kullanmak güçlü bir stratejidir. Ancak kullanıcı tarafından oluşturulan bu içeriğin politikalarınızla tutarlı olmasını ve kullanıcılarınız için güvenli bir çevrimiçi topluluk oluşturmasını sağlamak zor olabilir.
Pek çok şirket şu anda insan moderatörlere bağımlıdır veya kullanıcı tarafından oluşturulan uygunsuz içeriği yönetmek için kullanıcı şikayetlerine tepkisel olarak yanıt verir. Bu yaklaşımlar, milyonlarca görseli ve videoyu yeterli kalite veya hızda etkili bir şekilde yönetecek şekilde ölçeklenmiyor; bu da, kötü bir kullanıcı deneyimine, ölçeğe ulaşmanın yüksek maliyetlerine ve hatta marka itibarına zarar verme potansiyeline yol açıyor.
Bu yazıda Özel Moderasyon özelliğinin nasıl kullanılacağını tartışıyoruz. Amazon Rekognisyon önceden eğitilmiş içerik denetleme API'nizin doğruluğunu artırmak için.
Amazon Rekognition'da içerik denetimi
Amazon Rekognition, görüntülerden ve videolardan bilgi ve öngörü elde etmek için önceden eğitilmiş ve özelleştirilebilir bilgisayarlı görüntü yetenekleri sunan, yönetilen bir yapay zeka (AI) hizmetidir. Böyle bir yetenek Amazon Rekognition İçerik Denetlemeresimlerdeki ve videolardaki uygunsuz veya istenmeyen içeriği tespit eder. Amazon Rekognition, uygunsuz veya istenmeyen içerikleri 10 üst düzey denetleme kategorisi (şiddet, müstehcen, alkol veya uyuşturucu gibi) ve 35 ikinci düzey kategoriyle etiketlemek için hiyerarşik bir sınıflandırma kullanır. E-ticaret, sosyal medya ve oyun gibi sektörlerdeki müşteriler, marka itibarlarını korumak ve güvenli kullanıcı topluluklarını teşvik etmek için Amazon Rekognition'daki içerik denetimini kullanabilir.
Görüntü ve video denetimi için Amazon Rekognition'ı kullanan gerçek moderatörlerin, içerik denetleme modeli tarafından zaten işaretlenmiş olan, genellikle toplam hacmin %1-5'i kadar olan çok daha küçük bir içerik kümesini incelemesi gerekir. Bu, şirketlerin daha değerli faaliyetlere odaklanmasına ve mevcut maliyetlerinin çok altında bir maliyetle kapsamlı denetim kapsamına erişmesine olanak tanır.
Amazon Rekognition Özel Moderasyonuyla Tanışın
Özel Moderasyon özelliği ile artık işletmenize özel verileriniz için Tanıma moderasyon modelinin doğruluğunu artırabilirsiniz. Özel bir bağdaştırıcıyı 20'ye kadar açıklamalı görüntüyle 1 saatten kısa sürede eğitebilirsiniz. Bu bağdaştırıcılar, eğitim için kullanılan görüntüleri daha yüksek doğrulukla algılamak üzere denetleme modelinin yeteneklerini genişletir. Bu gönderide, alkol kontrolü etiketinin doğruluğunu artırmak için hem güvenli görselleri hem de alkollü içeceklerin (güvenli olmadığı kabul edilen) görsellerini içeren örnek bir veri kümesi kullanıyoruz.
Eğitimli bağdaştırıcının benzersiz kimliği mevcut AlgılamaDenetleme Etiketleri Bu bağdaştırıcıyı kullanarak görüntüleri işlemek için API işlemi. Her bağdaştırıcı yalnızca bağdaştırıcıyı eğitmek için kullanılan AWS hesabı tarafından kullanılabilir; böylece eğitim için kullanılan verilerin söz konusu AWS hesabında güvende ve emniyette kalması sağlanır. Özel Moderasyon özelliğiyle, Rekognition'ın önceden eğitilmiş moderasyon modelini, herhangi bir makine öğrenimi (ML) uzmanlığına gerek kalmadan, özel moderasyon kullanım durumunuzda daha iyi performans için uyarlayabilirsiniz. Özel Moderasyon için kullanım başına ödeme fiyatlandırma modeliyle, tam olarak yönetilen bir moderasyon hizmetinin avantajlarından yararlanmaya devam edebilirsiniz.
Çözüme genel bakış
Özel bir moderasyon bağdaştırıcısını eğitmek, aşağıdaki aracı kullanarak tamamlayabileceğiniz beş adımı içerir: AWS Yönetim Konsolu veya API arayüzü:
- Proje oluştur
- Eğitim verilerini yükleyin
- Görsellere kesin doğruluk etiketleri atayın
- Bağdaştırıcıyı eğitin
- Adaptörü kullanın
Konsolu kullanarak bu adımları daha ayrıntılı olarak inceleyelim.
Proje oluştur
Proje, bağdaştırıcılarınızı saklayabileceğiniz bir kapsayıcıdır. Özel kullanım durumunuz için hangi bağdaştırıcının en iyi performansı gösterdiğini değerlendirmek için bir proje içinde birden fazla bağdaştırıcıyı farklı eğitim veri kümeleriyle eğitebilirsiniz. Projenizi oluşturmak için aşağıdaki adımları tamamlayın:
- Amazon Rekognition konsolunda şunu seçin: Özel Moderasyon Gezinti bölmesinde.
- Klinik proje oluşturma.
- İçin Proje adı, projeniz için bir ad girin.
- İçin Bağdaştırıcı adıbağdaştırıcınız için bir ad girin.
- İsteğe bağlı olarak bağdaştırıcınız için bir açıklama girin.
Eğitim verilerini yükleyin
Denetleme modelini daha az yanlış pozitif tespit edecek şekilde uyarlamak için en az 20 örnek resimle başlayabilirsiniz (işletmeniz için uygun olan ancak model tarafından bir denetleme etiketiyle işaretlenen resimler). Yanlış negatifleri (işletmeniz için uygun olmayan ancak denetleme etiketiyle işaretlenmeyen resimler) azaltmak için 50 örnek resimle başlamanız gerekir.
Bağdaştırıcı eğitimi için görüntü veri kümelerini sağlamak üzere aşağıdaki seçenekler arasından seçim yapabilirsiniz:
Aşağıdaki adımları tamamlayın:
- Bu gönderi için seçin S3 klasöründen görüntüleri içe aktarın ve S3 URI'nizi girin.
Tüm makine öğrenimi eğitim süreçlerinde olduğu gibi, Amazon Rekognition'da Özel Moderasyon bağdaştırıcısının eğitimi iki ayrı veri kümesi gerektirir: biri bağdaştırıcıyı eğitmek için, diğeri bağdaştırıcıyı değerlendirmek için. Ayrı bir test veri kümesi yükleyebilir veya eğitim veri kümenizi eğitim ve test için otomatik olarak bölmeyi seçebilirsiniz.
- Bu gönderi için seçin otomatik bölme.
- seç Otomatik güncellemeyi etkinleştir içerik denetleme modelinin yeni bir sürümü başlatıldığında sistemin bağdaştırıcıyı otomatik olarak yeniden eğitmesini sağlamak.
- Klinik proje oluşturma.
Görsellere kesin doğruluk etiketleri atayın
Açıklamasız görseller yüklediyseniz denetim sınıflandırmasına göre görsel etiketleri sağlamak için Amazon Rekognition konsolunu kullanabilirsiniz. Aşağıdaki örnekte, gizli alkolü daha yüksek doğrulukla tespit edecek bir bağdaştırıcıyı eğitiyoruz ve bu tür görüntülerin tümünü alkol etiketiyle etiketliyoruz. Uygunsuz olarak değerlendirilmeyen görseller Güvenli olarak etiketlenebilir.
Bağdaştırıcıyı eğitin
Tüm görselleri etiketledikten sonra Antrenmana başla eğitim sürecini başlatmaktır. Amazon Rekognition, eğitim için sağlanan belirli görüntü türlerinde gelişmiş doğruluk sağlamak üzere bir adaptör modelini eğitmek amacıyla yüklenen görüntü veri kümelerini kullanacaktır.
Özel moderasyon bağdaştırıcısı eğitildikten sonra tüm bağdaştırıcı ayrıntılarını görüntüleyebilirsiniz (adapterID
, test
ve training
bildirim dosyaları) Adaptör performansı Bölüm.
The Adaptör performansı Bu bölüm, önceden eğitilmiş denetim modeliyle karşılaştırıldığında yanlış pozitifler ve yanlış negatiflerdeki gelişmeleri gösterir. Alkol etiketinin tespitini geliştirmek için geliştirdiğimiz adaptör, test görüntülerindeki yanlış negatif oranını %73 oranında azaltıyor. Başka bir deyişle, bağdaştırıcı artık önceden eğitilmiş denetim modeline kıyasla %73 daha fazla görüntü için alkol denetimi etiketini doğru bir şekilde tahmin ediyor. Ancak eğitim için yanlış pozitif örnekler kullanılmadığından yanlış pozitiflerde herhangi bir gelişme gözlenmedi.
Adaptörü kullanın
Gelişmiş doğruluk elde etmek için yeni eğitilmiş bağdaştırıcıyı kullanarak çıkarım yapabilirsiniz. Bunu yapmak için Amazon Rekognition'ı arayın DetectModerationLabel
Ek parametreli API, ProjectVersion
benzersiz olan AdapterID
adaptörün. Aşağıda, aşağıdakileri kullanan örnek bir komut verilmiştir: AWS Komut Satırı Arayüzü (AWS CLI):
Aşağıda, aşağıdakileri kullanan örnek bir kod pasajı verilmiştir: Python Boto3 kütüphanesi:
Eğitim için en iyi uygulamalar
Bağdaştırıcınızın performansını en üst düzeye çıkarmak amacıyla bağdaştırıcıyı eğitmek için aşağıdaki en iyi uygulamalar önerilir:
- Örnek resim verileri, denetleme modelinin doğruluğunu artırmak istediğiniz temsili hataları yakalamalıdır.
- Yalnızca yanlış pozitifler ve yanlış negatifler için hata görüntüleri getirmek yerine, gelişmiş performans için gerçek pozitifler ve gerçek negatifler de sağlayabilirsiniz.
- Eğitim için mümkün olduğunca çok sayıda açıklamalı görüntü sağlayın
Sonuç
Bu yazıda yeni Amazon Rekognition Özel Moderasyon özelliğine derinlemesine bir genel bakış sunduk. Ayrıca, en iyi sonuçlara yönelik en iyi uygulamalar da dahil olmak üzere konsolu kullanarak eğitim gerçekleştirme adımlarını ayrıntılı olarak açıkladık. Ek bilgi için Amazon Rekognition konsolunu ziyaret edin ve Özel Denetleme özelliğini keşfedin.
Amazon Rekognition Özel Moderasyon artık Amazon Rekognition'ın mevcut olduğu tüm AWS Bölgelerinde genel olarak kullanıma sunuldu.
Hakkında daha fazla bilgi alın AWS'de içerik denetimi. Doğruya doğru ilk adımı atın AWS ile içerik denetleme işlemlerinizi kolaylaştırma.
Yazarlar Hakkında
Shipra Kanoria AWS'de Baş Ürün Yöneticisidir. Müşterilerin en karmaşık sorunlarını makine öğrenimi ve yapay zekanın gücüyle çözmelerine yardımcı olma konusunda tutkulu. Shipra, AWS'ye katılmadan önce Amazon Alexa'da 4 yıldan fazla zaman geçirdi ve burada Alexa sesli asistanında verimlilikle ilgili birçok özelliği kullanıma sundu.
Derin Aakash Seattle merkezli bir Yazılım Geliştirme Mühendisliği Müdürüdür. Bilgisayarla görme, yapay zeka ve dağıtılmış sistemler üzerinde çalışmaktan hoşlanıyor. Misyonu, müşterilerin karmaşık sorunları çözmesine ve AWS Rekognition ile değer yaratmasına olanak sağlamaktır. İş dışında yürüyüş yapmaktan ve seyahat etmekten hoşlanıyor.
Lana Çang AWS WWSO Yapay Zeka Hizmetleri ekibinde Kıdemli Çözüm Mimarıdır ve İçerik Denetimi, Bilgisayarla Görme, Doğal Dil İşleme ve Üretken Yapay Zeka için Yapay Zeka ve Makine Öğrenimi konusunda uzmanlaşmıştır. Uzmanlığıyla kendini AWS AI/ML çözümlerini tanıtmaya ve müşterilerin sosyal medya, oyun, e-ticaret, medya, reklam ve pazarlama dahil olmak üzere çeşitli sektörlerdeki iş çözümlerini dönüştürmelerine yardımcı olmaya adamıştır.
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
- PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
- PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
- PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
- Kaynak: https://aws.amazon.com/blogs/machine-learning/announcing-rekogniton-custom-moderation-enhance-accuracy-of-pre-trained-rekognition-moderation-models-with-your-data/
- :dır-dir
- :olumsuzluk
- :Neresi
- 1
- 10
- 100
- 118
- 150
- 20
- %35
- 50
- 7
- 9
- a
- Aakash
- Hakkımızda
- Hesap
- doğruluk
- tam olarak
- Başarmak
- karşısında
- faaliyetler
- uyarlamak
- Ek
- Ek Bilgi
- adres
- reklâm
- AI
- AI hizmetleri
- AI / ML
- Alkol
- Alexa
- Türkiye
- zaten
- Ayrıca
- Amazon
- Amazon Rekognisyon
- Amazon Web Servisleri
- an
- ve
- Duyurusu
- Başka
- herhangi
- api
- yaklaşımlar
- uygun
- ARE
- yapay
- yapay zeka
- Yapay zeka (AI)
- AS
- belirlemek
- Asistan
- yardım
- At
- yazar
- otomatik olarak
- mevcut
- AWS
- merkezli
- BE
- önce
- başlamak
- faydaları
- İYİ
- en iyi uygulamalar
- her ikisi de
- marka
- Bringing
- iş
- fakat
- by
- çağrı
- CAN
- yetenekleri
- kabiliyet
- ele geçirmek
- dava
- kategoriler
- zor
- Klinik
- müşteri
- kod
- topluluklar
- topluluk
- Şirketler
- karşılaştırıldığında
- şikayetleri
- tamamlamak
- karmaşık
- kapsamlı
- bilgisayar
- Bilgisayar görüşü
- kabul
- tutarlı
- konsolos
- Konteyner
- içerik
- devam etmek
- Ücret
- maliyetler
- kapsama
- yaratmak
- Değer Yarat
- Şu anda
- görenek
- Müşteriler
- özelleştirilebilir
- veri
- veri kümeleri
- adanmış
- derin
- tanım
- ayrıntı
- detaylı
- ayrıntılar
- belirlemek
- Bulma
- gelişme
- farklı
- tartışmak
- görüntüler
- dağıtıldı
- dağıtılmış sistemler
- çeşitli
- do
- Dont
- İlaçlar
- e-ticaret
- her
- e-ticaret
- etkili bir şekilde
- ya
- etkinleştirmek
- sağlar
- teşvik edici
- nişan
- Mühendislik
- artırmak
- gelişmiş
- keyfini çıkarın
- sağlamak
- sağlanması
- Keşfet
- hata
- Hatalar
- değerlendirilmesi
- Hatta
- örnek
- mevcut
- deneyim
- Uzmanlık
- keşfetmek
- uzatmak
- çıkarmak
- yanlış
- Özellikler(Hazırlık aşamasında)
- Özellikler
- az
- daha az
- dosyalar
- Ad
- beş
- bayraklı
- odak
- takip etme
- İçin
- Beslemek
- teşvikler
- kesir
- itibaren
- tamamen
- Ayrıca
- kumar
- genellikle
- üretken
- üretken yapay zeka
- almak
- Zemin
- zarar
- Var
- he
- yardım
- onu
- Gizli
- Yüksek
- daha yüksek
- onun
- saat
- Ne kadar
- Nasıl Yapılır
- Ancak
- HTML
- http
- HTTPS
- insan
- ID
- görüntü
- görüntüleri
- iyileştirmek
- gelişmiş
- iyileşme
- iyileştirmeler
- in
- Diğer
- derinlemesine
- Dahil olmak üzere
- giderek
- Endüstri
- bilgi
- başlatmak
- anlayışlar
- İstihbarat
- arayüzey
- IT
- birleştirme
- etiket
- Etiketler
- dil
- başlattı
- İlanlar
- öğrenme
- az
- çizgi
- Liste
- makine
- makine öğrenme
- yönetmek
- yönetilen
- yönetim
- müdür
- çok
- Pazarlama
- Maksimuma çıkarmak
- medya
- milyonlarca
- Misyonumuz
- ML
- model
- modelleri
- ılımlılık
- Daha
- çoğu
- çok
- çoklu
- isim
- Doğal (Madenden)
- Doğal Dil İşleme
- Navigasyon
- negatif
- negatifler
- yeni
- yeni
- yok hayır
- şimdi
- of
- Teklifler
- on
- ONE
- Online
- bir tek
- operasyon
- Operasyon
- optimum
- Opsiyonlar
- or
- Diğer
- dışında
- tekrar
- genel bakış
- bölmesi
- parametre
- tutkulu
- başına
- Yapmak
- performans
- icra
- gerçekleştirir
- Platformlar
- Platon
- Plato Veri Zekası
- PlatoVeri
- politikaları
- yoksul
- pozitif
- mümkün
- Çivi
- potansiyel
- güç kelimesini seçerim
- güçlü
- uygulamalar
- öngörür
- sundu
- fiyatlandırma
- fiyatlandırma modeli
- Anapara
- sorunlar
- süreç
- işleme
- PLATFORM
- ürün müdürü
- proje
- teşvik
- korumak
- sağlamak
- sağlanan
- kalite
- oran
- Tavsiye edilen
- azaltmak
- azaltır
- bölgeler
- güvenmek
- kalıntılar
- temsilci
- ün
- gereklidir
- gerektirir
- Yanıtlamak
- yanıt
- Sonuçlar
- yorum
- güvenli
- Örnek veri kümesi
- ölçek
- Seattle
- Bölüm
- güvenli
- kıdemli
- ayrı
- hizmet
- Hizmetler
- set
- paylaş
- o
- meli
- daha küçük
- pasajı
- Sosyal Medya
- sosyal medya
- Yazılım
- yazılım geliştirme
- Çözümler
- ÇÖZMEK
- uzmanlaşmış
- özel
- hız
- harcanmış
- bölmek
- başlama
- adım
- Basamaklar
- Yine
- mağaza
- Stratejileri
- böyle
- yeterli
- sistem
- Sistemler
- Bizi daha iyi tanımak için
- Görev
- görevleri
- taksonomi
- takım
- test
- Test yapmak
- göre
- o
- The
- ve bazı Asya
- Bunlar
- Re-Tweet
- İçinden
- için
- Üst düzey
- Toplam
- Tren
- eğitilmiş
- Eğitim
- dönüşüm
- Seyahat
- gerçek
- Hakikat
- iki
- tip
- tipik
- benzersiz
- istenmeyen
- Yüklenen
- kullanım
- kullanım durumu
- Kullanılmış
- kullanıcı
- Kullanıcı Deneyimi
- kullanıcılar
- kullanım
- kullanma
- Değerli
- değer
- versiyon
- Video
- Videolar
- Görüntüle
- Şiddet
- vizyonumuz
- Türkiye Dental Sosyal Medya Hesaplarından bizi takip edebilirsiniz.
- ses
- hacim
- yürümek
- istemek
- oldu
- we
- ağ
- web hizmetleri
- vardı
- ne zaman
- hangi
- irade
- ile
- içinde
- olmadan
- sözler
- İş
- iş akışı
- çalışma
- yıl
- Sen
- zefirnet