Amazon Recognition Labels نے 600 نئے لیبلز شامل کیے ہیں، بشمول نشانات، اور اب غالب رنگوں کا پتہ لگاتا ہے۔

ایمیزون پہچان۔ تصاویر اور ویڈیوز سے معلومات اور بصیرت نکالنے کے لیے پہلے سے تربیت یافتہ اور حسب ضرورت کمپیوٹر ویژن کی صلاحیتیں پیش کرتا ہے۔ ایسی ہی ایک صلاحیت ہے۔ ایمیزون ریکگنیشن لیبلز، جو تصاویر میں اشیاء، مناظر، اعمال اور تصورات کا پتہ لگاتا ہے۔ صارفین جیسے Synchronoss، Shutterstock, اور Nomad Media Amazon Recognition Labels کا استعمال کرتے ہیں تاکہ خود بخود میٹا ڈیٹا کو اپنی مواد کی لائبریری میں شامل کریں اور مواد پر مبنی تلاش کے نتائج کو فعال کریں۔ ٹرپل لفٹ متحرک طور پر اشتہارات داخل کرنے کے لیے بہترین لمحات کا تعین کرنے کے لیے Amazon Recognition Labels کا استعمال کرتا ہے جو سامعین کے لیے دیکھنے کے تجربے کی تکمیل کرتے ہیں۔ vidmob اشتہار کی کارکردگی میں تخلیقی فیصلہ سازی کے منفرد کردار کو سمجھنے کے لیے اشتہاری تخلیقات سے میٹا ڈیٹا نکالنے کے لیے Amazon Recognition Labels کا استعمال کرتا ہے، اس لیے مارکیٹرز ایسے اشتہارات تیار کر سکتے ہیں جو ان کلیدی مقاصد کو متاثر کرتے ہیں جن کا وہ سب سے زیادہ خیال رکھتے ہیں۔ مزید برآں، ہزاروں دوسرے گاہک Amazon Recognition Labels کو استعمال کرنے کے بہت سے دیگر معاملات میں مدد کے لیے استعمال کرتے ہیں، جیسے کہ ٹریل یا ہائیکنگ فوٹوز کی درجہ بندی کرنا، سیکیورٹی کیمرہ فوٹیج میں لوگوں یا گاڑیوں کا پتہ لگانا، اور شناختی دستاویز کی تصویروں کی درجہ بندی کرنا۔

امیزون ریکگنیشن لیبلز برائے امیجز 600 نئے لیبلز کا پتہ لگاتا ہے، بشمول نشانات اور سرگرمیاں، اور 2,000 سے زیادہ موجودہ لیبلز کی درستگی کو بہتر بناتا ہے۔ اس کے علاوہ، Amazon Recognition Labels اب کسی تصویر کے غالب رنگوں، اس کے پیش منظر اور پس منظر کے ساتھ ساتھ باؤنڈنگ بکس کے ساتھ دریافت شدہ اشیاء کا پتہ لگانے کے لیے امیج پراپرٹیز کو سپورٹ کرتا ہے۔ امیج پراپرٹیز تصویر کی چمک، نفاست اور اس کے برعکس کی پیمائش بھی کرتی ہے۔ آخر میں، Amazon Recognition Labels اب دو اضافی فیلڈز کا استعمال کرتے ہوئے لیبل کے نتائج کو منظم کرتا ہے، aliases اور categories، اور ان نتائج کی فلٹرنگ کی حمایت کرتا ہے۔ مندرجہ ذیل حصوں میں، ہم کچھ مثالوں کے ساتھ نئی صلاحیتوں اور ان کے فوائد کا مزید تفصیل سے جائزہ لیتے ہیں۔

نئے لیبلز

ایمیزون ریکوگنیشن لیبلز نے 600 سے زیادہ نئے لیبلز شامل کیے ہیں، معاون لیبلز کی فہرست کو بڑھاتے ہوئے نئے لیبلز کی کچھ مثالیں درج ذیل ہیں:

• مشہور نشانیاں - بروکلین برج، کولوزیم، ایفل ٹاور، ماچو پچو، تاج محل، وغیرہ۔
• سرگرمیاں - تالیاں بجانا، سائیکل چلانا، جشن منانا، جمپنگ، واکنگ ڈاگ وغیرہ۔
• نقصان کا پتہ لگانا - کار کا ڈینٹ، کار سکریچ، سنکنرن، گھر کا نقصان، چھت کا نقصان، دیمک کا نقصان، وغیرہ۔
• متن اور دستاویزات - بار چارٹ، بورڈنگ پاس، فلو چارٹ، نوٹ بک، رسید، رسید، وغیرہ۔
• اسپورٹس - بیس بال گیم، کرکٹ بیٹ، فگر اسکیٹنگ، رگبی، واٹر پولو، وغیرہ۔
• اور بہت - بوٹ ریسنگ، تفریح، سٹی اسکیپ، گاؤں، شادی کی تجویز، ضیافت وغیرہ۔

ان لیبلز کے ساتھ، تصویری اشتراک، سٹاک فوٹوگرافی، یا براڈکاسٹ میڈیا کے صارفین اپنی تلاش کی صلاحیتوں کو بہتر بنانے کے لیے خود بخود اپنے مواد کی لائبریری میں نیا میٹا ڈیٹا شامل کر سکتے ہیں۔

آئیے بروکلین برج کے لیے لیبل کا پتہ لگانے کی مثال دیکھیں۔

مندرجہ ذیل جدول API کے جواب میں واپس کیے گئے لیبلز اور اعتماد کے اسکور دکھاتا ہے۔

بہتر لیبلز

Amazon Recognition Labels نے 2,000 سے زیادہ لیبلز کی درستگی کو بھی بہتر بنایا ہے۔ درج ذیل بہتر لیبلز کی کچھ مثالیں ہیں:

• سرگرمیاں - غوطہ خوری، ڈرائیونگ، پڑھنا، بیٹھنا، کھڑا ہونا، وغیرہ۔
• ملبوسات اور لوازمات - بیگ، بیلٹ، بلاؤز، ہوڈی، جیکٹ، جوتا، وغیرہ۔
• گھر اور گھر کے اندر - سوئمنگ پول، پاٹ پلانٹ، تکیہ، چمنی، کمبل، وغیرہ
• ٹیکنالوجی اور کمپیوٹنگ - ہیڈ فون، موبائل فون، ٹیبلیٹ کمپیوٹر، ریڈنگ، لیپ ٹاپ، وغیرہ۔
• گاڑیاں اور آٹوموٹو - ٹرک، وہیل، ٹائر، بمپر، کار سیٹ، کار کا آئینہ، وغیرہ۔
• متن اور دستاویزات - پاسپورٹ، ڈرائیونگ لائسنس، بزنس کارڈ، دستاویز وغیرہ۔
• اور بہت - کتا، کنگارو، ٹاؤن اسکوائر، فیسٹیول، ہنسنا، وغیرہ۔

غالب رنگ کا پتہ لگانے اور تصویر کے معیار کے لیے تصویری خصوصیات

امیج پراپرٹیز امیزون ریکوگنیشن لیبلز کی امیجز کے لیے ایک نئی صلاحیت ہے، اور اسے لیبل کا پتہ لگانے کی فعالیت کے ساتھ یا اس کے بغیر استعمال کیا جا سکتا ہے۔ نوٹ: امیج پراپرٹیز ہے۔ الگ الگ قیمت Amazon Recognition Labels سے، اور صرف اپ ڈیٹ کردہ SDKs کے ساتھ دستیاب ہے۔

غالب رنگ کا پتہ لگانا

امیج پراپرٹیز پکسل فیصد کی بنیاد پر تصویر میں غالب رنگوں کی شناخت کرتی ہے۔ ان غالب رنگوں کو میپ کیا گیا ہے۔ 140 CSS رنگ پیلیٹ، آر جی بی، ہیکس کوڈ، اور 12 آسان رنگ (سبز، گلابی، سیاہ، سرخ، پیلا، سیان، بھورا، نارنجی، سفید، جامنی، نیلا، سرمئی)۔ پہلے سے طے شدہ طور پر، API 10 غالب رنگوں تک واپس کرتا ہے جب تک کہ آپ واپس کرنے کے لیے رنگوں کی تعداد کی وضاحت نہ کریں۔ غالب رنگوں کی زیادہ سے زیادہ تعداد 12 ہے جو API واپس کر سکتا ہے۔

جب اسٹینڈ لون استعمال کیا جاتا ہے، تو امیج پراپرٹیز پوری تصویر کے غالب رنگوں کے ساتھ ساتھ اس کے پیش منظر اور پس منظر کا بھی پتہ لگاتی ہے۔ جب لیبل کا پتہ لگانے کی خصوصیات کے ساتھ استعمال کیا جاتا ہے تو، تصویری خصوصیات باؤنڈنگ بکس کے ساتھ پتہ چلنے والی اشیاء کے غالب رنگوں کی بھی شناخت کرتی ہیں۔

تصویر کے اشتراک یا سٹاک فوٹوگرافی کے صارفین مواد کی دریافت کو بہتر بنانے کے لیے اپنی تصویری لائبریری کے میٹا ڈیٹا کو تقویت دینے کے لیے غالب رنگ کا پتہ لگانے کا استعمال کر سکتے ہیں، جس سے ان کے اختتامی صارفین کو رنگ کے لحاظ سے فلٹر کرنے یا مخصوص رنگوں، جیسے "نیلی کرسی" یا "سرخ جوتے" کے ساتھ اشیاء تلاش کرنے کی اجازت ملتی ہے۔ " مزید برآں، اشتہارات میں صارفین اپنے تخلیقی اثاثوں کے رنگوں کی بنیاد پر اشتہار کی کارکردگی کا تعین کر سکتے ہیں۔

تصویر کے معیار

غالب رنگ کی کھوج کے علاوہ، امیج پراپرٹیز چمک، نفاست، اور کنٹراسٹ سکور کے ذریعے تصویری خصوصیات کی پیمائش بھی کرتی ہے۔ ان میں سے ہر ایک اسکور 0-100 تک ہوتا ہے۔ مثال کے طور پر، ایک بہت ہی سیاہ تصویر کم چمک کی قدریں واپس کرے گی، جب کہ چمکیلی روشنی والی تصویر اعلی قدریں لوٹائے گی۔

ان اسکورز کے ساتھ، امیج شیئرنگ، ایڈورٹائزنگ، یا ای کامرس میں صارفین معیار کا معائنہ کر سکتے ہیں اور غلط لیبل کی پیشین گوئیوں کو کم کرنے کے لیے کم چمک اور نفاست والی تصاویر کو فلٹر کر سکتے ہیں۔

درج ذیل تصویر ایفل ٹاور کے ساتھ ایک مثال دکھاتی ہے۔

مندرجہ ذیل جدول API کے جواب میں واپس کیے گئے امیج پراپرٹیز ڈیٹا کی ایک مثال ہے۔

مندرجہ ذیل تصویر سرخ کرسی کے لیے ایک مثال ہے۔

API کے جواب میں واپس کیے گئے امیج پراپرٹیز ڈیٹا کی ایک مثال درج ذیل ہے۔

مندرجہ ذیل تصویر پیلے رنگ کے پس منظر والے کتے کی مثال ہے۔

API کے جواب میں واپس کیے گئے امیج پراپرٹیز ڈیٹا کی ایک مثال درج ذیل ہے۔

نئے عرفی نام اور زمرے والے فیلڈز

ایمیزون ریکگنیشن لیبلز اب دو نئے فیلڈز واپس کرتے ہیں، aliases اور categories، API کے جواب میں۔ عرفی نام ایک ہی لیبل کے دوسرے نام ہیں اور زمرہ جات انفرادی لیبلز کو 40 مشترکہ تھیمز کی بنیاد پر اکٹھا کرتے ہیں، جیسے Food and Beverage اور Animals and Pets. لیبل کا پتہ لگانے کے ماڈل کی تازہ کاری کے ساتھ، عرفی نام لیبل کے ناموں کی بنیادی فہرست میں مزید واپس نہیں کیے جاتے ہیں۔ اس کے بجائے، نئے میں عرفی نام لوٹائے جاتے ہیں۔ aliases API کے جواب میں فیلڈ۔ نوٹ: عرفی نام اور زمرے صرف اپ ڈیٹ کردہ SDKs کے ساتھ واپس کیے جاتے ہیں۔

فوٹو شیئرنگ، ای کامرس، یا ایڈورٹائزنگ میں صارفین مواد کی تلاش اور فلٹرنگ کو مزید بڑھانے کے لیے اپنے مواد کے میٹا ڈیٹا کی درجہ بندی کو منظم کرنے کے لیے عرفی نام اور زمرے استعمال کر سکتے ہیں:

• عرفی نام کی مثال - کیونکہ Car اور Automobile عرفی نام ہیں، آپ اس کے ساتھ تصویر میں میٹا ڈیٹا شامل کر سکتے ہیں۔ Car اور Automobile ایک ہی وقت میں
• زمرہ جات کی مثال - آپ زمرہ جات کا فلٹر بنانے کے لیے استعمال کر سکتے ہیں یا کسی خاص زمرے سے متعلق تمام تصاویر کو ڈسپلے کر سکتے ہیں، جیسے Food and Beverageکے ساتھ ہر تصویر میں واضح طور پر میٹا ڈیٹا شامل کیے بغیر Food and Beverage

مندرجہ ذیل تصویر غوطہ خور کے لیے عرف اور زمرے کے ساتھ لیبل کا پتہ لگانے کی مثال دکھاتی ہے۔

مندرجہ ذیل جدول API کے جواب میں واپس کیے گئے لیبلز، اعتماد کے اسکور، عرفی نام، اور زمرے دکھاتا ہے۔

درج ذیل تصویر سائیکل سوار کے لیے ایک مثال ہے۔

درج ذیل جدول میں API کے جواب میں واپس کیے گئے لیبلز، اعتماد کے اسکور، عرفی نام اور زمرے شامل ہیں۔

شمولیت اور اخراج کے فلٹرز

Amazon Recognition Labels API ان پٹ پیرامیٹرز میں شمولیت اور اخراج فلٹرنگ کے نئے اختیارات متعارف کراتا ہے تاکہ API کے جواب میں واپس کیے گئے لیبلز کی مخصوص فہرست کو کم کیا جا سکے۔ آپ ان لیبلز یا زمروں کی واضح فہرست فراہم کر سکتے ہیں جنہیں آپ شامل یا خارج کرنا چاہتے ہیں۔ نوٹ: یہ فلٹرز اپ ڈیٹ کردہ SDKs کے ساتھ دستیاب ہیں۔

صارفین اپنی درخواست میں اضافی منطق پیدا کیے بغیر ان مخصوص لیبلز یا زمروں کو حاصل کرنے کے لیے شمولیت اور اخراج کے فلٹرز کا استعمال کر سکتے ہیں جن میں وہ دلچسپی رکھتے ہیں۔ مثال کے طور پر، انشورنس میں صارفین استعمال کر سکتے ہیں۔ LabelCategoriesInclusionFilter میں صرف لیبل کے نتائج شامل کرنے کے لیے Damage Detection زمرہ.

درج ذیل کوڈ ایک API نمونہ کی درخواست ہے جس میں شمولیت اور اخراج کے فلٹرز ہیں:

{
    "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
        }
    }
 }

مندرجہ ذیل مثالیں ہیں کہ شمولیت اور اخراج کے فلٹرز کیسے کام کرتے ہیں:

• اگر آپ صرف پتہ لگانا چاہتے ہیں۔ Person اور Car، اور دوسرے لیبلز کی پرواہ نہ کریں، آپ وضاحت کر سکتے ہیں [“Person”,”Car”] میں LabelsInclusionFilter.
• اگر آپ اس کے علاوہ تمام لیبلز کا پتہ لگانا چاہتے ہیں۔ Clothing، آپ وضاحت کر سکتے ہیں [“Clothing”] میں LabelsExclusionFilter.
• اگر آپ صرف لیبلز کا پتہ لگانا چاہتے ہیں۔ Animal and Pets کے علاوہ زمرے Dog اور Cat، آپ وضاحت کر سکتے ہیں ["Animal and Pets"] میں LabelCategoriesInclusionFilterکے ساتھ ["Dog", "Cat"] میں LabelsExclusionFilter.
• اگر ایک لیبل میں بیان کیا گیا ہے۔ LabelsInclusionFilter or LabelsExclusionFilter، ان کے عرفی نام اس کے مطابق شامل یا خارج کردیئے جائیں گے کیونکہ aliases لیبلز کی ذیلی درجہ بندی ہے۔ مثال کے طور پر، کیونکہ Automobile کا ایک عرف ہے Car، اگر آپ وضاحت کرتے ہیں۔ Car in LabelsInclusionFilter، API واپس کرے گا۔ Car کے ساتھ لیبل Automobile میں aliases میدان.

نتیجہ

Amazon Recognition Labels 600 نئے لیبلز کا پتہ لگاتا ہے اور 2,000 سے زیادہ موجودہ لیبلز کے لیے درستگی کو بہتر بناتا ہے۔ ان اپ ڈیٹس کے ساتھ، Amazon Recognition Labels اب امیج پراپرٹیز، عرفی نام اور زمرہ جات کے ساتھ ساتھ شمولیت اور شمولیت کے فلٹرز کو بھی سپورٹ کرتا ہے۔

لیبل کا پتہ لگانے کے نئے ماڈل کو اس کی نئی خصوصیات کے ساتھ آزمانے کے لیے، اپنے AWS اکاؤنٹ میں لاگ ان کریں اور چیک آؤٹ کریں۔ ایمیزون ریکگنیشن کنسول لیبل کا پتہ لگانے اور تصویر کی خصوصیات کے لیے۔ مزید جاننے کے لیے، ملاحظہ کریں۔ لیبلز کا پتہ لگانا.

مصنفین کے بارے میں

ماریہ ہینڈوکو AWS میں ایک سینئر پروڈکٹ مینیجر ہے۔ وہ مشین لرننگ اور کمپیوٹر ویژن کے ذریعے صارفین کو ان کے کاروباری چیلنجوں کو حل کرنے میں مدد کرنے پر توجہ مرکوز کرتی ہے۔ اپنے فارغ وقت میں، وہ پیدل سفر، پوڈ کاسٹ سننے، اور مختلف کھانوں کی تلاش سے لطف اندوز ہوتی ہے۔

شپرا کنوریا AWS میں پرنسپل پروڈکٹ مینیجر ہے۔ وہ مشین لرننگ اور مصنوعی ذہانت کی طاقت سے صارفین کو ان کے پیچیدہ ترین مسائل حل کرنے میں مدد کرنے کے لیے پرجوش ہے۔ AWS میں شامل ہونے سے پہلے، شپرا نے Amazon Alexa میں 4 سال سے زیادہ وقت گزارا، جہاں اس نے Alexa وائس اسسٹنٹ پر پیداواری صلاحیت سے متعلق بہت سی خصوصیات شروع کیں۔