亚马逊重新认识 可以轻松地将图像和视频分析添加到您的应用程序中。它基于亚马逊计算机视觉科学家开发的相同经过验证的、高度可扩展的深度学习技术,每天分析数十亿张图像和视频。它不需要机器学习 (ML) 专业知识即可使用,并且我们不断向该服务添加新的计算机视觉功能。 Amazon Rekognition 包含一个简单易用的 API,可以快速分析存储在 亚马逊简单存储服务 (亚马逊S3)。
广告和营销技术、游戏、媒体以及零售和电子商务等行业的客户依赖最终用户上传的图像(用户生成的内容或 UGC)作为推动其平台参与度的关键组成部分。他们使用 Amazon Rekognition 内容审核 检测不适当的、不需要的和攻击性的内容,以保护其品牌声誉并培育安全的用户社区。
在这篇文章中,我们将讨论以下内容:
- 内容审核模型版本 7.0 和功能
- Amazon Rekognition 批量分析如何用于内容审核
- 如何通过批量分析和自定义审核改进内容审核预测
内容审核模型版本 7.0 和功能
Amazon Rekognition 内容审核版本 7.0 添加了 26 个新的审核标签,并将审核标签分类从两层标签类别扩展为三层标签类别。这些新标签和扩展的分类法使客户能够检测他们想要审核的内容的细粒度概念。此外,更新后的模型引入了识别两种新内容类型(动画和插图内容)的新功能。这允许客户创建精细的规则,以在其审核工作流程中包含或排除此类内容类型。通过这些新的更新,客户可以根据其内容政策更准确地审核内容。
让我们看一下下图的审核标签检测示例。
下表显示了 API 响应中返回的审核标签、内容类型和置信度分数。
审核标签 | 分类级别 | 信心分数 |
暴力 | L1 | 92.6% |
图形暴力 | L2 | 92.6% |
爆炸和爆炸 | L3 | 92.6% |
内容类型 | 信心分数 |
插图 | 93.9% |
要获取内容审核版本 7.0 的完整分类,请访问我们的 开发者指南.
内容审核的批量分析
除了使用以下命令进行实时审核之外,Amazon Rekognition 内容审核还提供批量图像审核 Amazon Rekognition 批量分析。它使您能够异步分析大型图像集合,以检测不当内容并深入了解分配给图像的审核类别。它还消除了为客户构建批量图像审核解决方案的需要。
您可以通过 Amazon Rekognition 控制台或使用 AWS CLI 和 AWS 开发工具包直接调用 API 来访问批量分析功能。在 Amazon Rekognition 控制台上,您可以上传要分析的图像,只需单击几下即可获得结果。批量分析作业完成后,您可以识别并查看审核标签预测,例如私密部位的露骨、非露骨裸露以及接吻、暴力、毒品和烟草等。您还会收到每个标签类别的置信度得分。
在 Amazon Rekognition 控制台上创建批量分析作业
请完成以下步骤来尝试 Amazon Rekognition 批量分析:
- 在Amazon Rekognition控制台上,选择 批量分析 在导航窗格中。
- 开始批量分析.
- 输入作业名称并指定要分析的图像,方法是输入 S3 存储桶位置或从计算机上传图像。
- 或者,您可以选择一个 适配器 使用您使用自定义审核训练过的自定义适配器来分析图像。
- 开始分析 运行作业。
该过程完成后,您可以在 Amazon Rekognition 控制台上查看结果。此外,分析结果的 JSON 副本将存储在 Amazon S3 输出位置。
Amazon Rekognition 批量分析 API 请求
在本节中,我们将指导您使用编程接口创建用于图像审核的批量分析作业。如果您的图像文件尚未位于 S3 存储桶中,请上传它们以确保 Amazon Rekognition 可以访问。与在 Amazon Rekognition 控制台上创建批量分析作业类似,调用 启动媒体分析作业 API,需要提供以下参数:
- 操作配置 – 这些是要创建的媒体分析作业的配置选项:
- 最小信心 – 审核标签返回的最小置信度,有效范围为 0–100。 Amazon Rekognition 不会返回置信水平低于此指定值的任何标签。
- 输入 –包括以下内容:
- S3对象 – 输入清单文件的 S3 对象信息,包括存储桶和文件名称。输入文件包含存储在 S3 存储桶上的每个图像的 JSON 行。例如:
{"source-ref": "s3://MY-INPUT-BUCKET/1.jpg"}
- S3对象 – 输入清单文件的 S3 对象信息,包括存储桶和文件名称。输入文件包含存储在 S3 存储桶上的每个图像的 JSON 行。例如:
- 输出配置 –包括以下内容:
- S3桶 – 输出文件的 S3 存储桶名称。
- S3密钥前缀 – 输出文件的键前缀。
请参见以下代码:
您可以使用以下 AWS CLI 命令调用相同的媒体分析:
Amazon Rekognition 批量分析 API 结果
要获取批量分析作业的列表,您可以使用 ListMediaAnalysisJobs
。响应包括有关分析作业输入和输出文件以及作业状态的所有详细信息:
您还可以调用 list-media-analysis-jobs
通过 AWS CLI 命令:
Amazon Rekognition Bulk Analysis 在输出存储桶中生成两个输出文件。第一个文件是 manifest-summary.json
,其中包括批量分析作业统计信息和错误列表:
第二个文件是 results.json
,其中每个分析图像都包含一个 JSON 行,格式如下。每个结果包括 顶级类别 检测到的标签的 (L1) 和标签的二级类别 (L2),置信度得分在 1-100 之间。某些分类标准 2 级标签可能具有分类标准 3 级标签 (L3)。这允许对内容进行分层分类。
您可以使用 自定义审核适配器 稍后,只需在创建新的批量分析作业时选择自定义适配器或通过 API 通过传递自定义适配器的唯一适配器 ID 即可分析图像。
总结
在这篇文章中,我们概述了内容审核版本 7.0、内容审核的批量分析,以及如何使用批量分析和自定义审核改进内容审核预测。要尝试新的审核标签和批量分析,请登录您的 AWS 账户并查看 Amazon Rekognition 控制台 图片审核 和 批量分析.
关于作者
迈赫迪·哈吉 是 AWS WWCS 团队的高级解决方案架构师,专门研究 AWS 上的 AI 和 ML。 他与企业客户合作,帮助他们迁移、现代化和优化 AWS 云的工作负载。 业余时间,他喜欢烹饪波斯食物和修理电子产品。
希普拉卡诺里亚 是 AWS 的首席产品经理。 她热衷于利用机器学习和人工智能的力量帮助客户解决最复杂的问题。 在加入 AWS 之前,Shipra 在 Amazon Alexa 工作了 4 年多,在那里她在 Alexa 语音助手上推出了许多与生产力相关的功能。
玛丽亚汉多科 是 AWS 的高级产品经理。 她专注于通过机器学习和计算机视觉帮助客户解决业务挑战。 在业余时间,她喜欢远足、听播客和探索不同的美食。
- SEO 支持的内容和 PR 分发。 今天得到放大。
- PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
- 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
- 柏拉图ESG。 碳, 清洁科技, 能源, 环境, 太阳能, 废物管理。 访问这里。
- 柏拉图健康。 生物技术和临床试验情报。 访问这里。
- Sumber: https://aws.amazon.com/blogs/machine-learning/improving-content-moderation-with-amazon-rekognition-bulk-analysis-and-custom-moderation/
- :是
- :不是
- :在哪里
- 1
- 10
- 100
- 11
- 12
- 14
- 20
- 22
- 24
- 26%
- 50
- 60
- 7
- 91
- a
- 关于
- ACCESS
- 按照
- 账号管理
- 横过
- 加
- 添加
- 增加
- 另外
- 添加
- 广告
- AI
- Alexa的
- 所有类型
- 允许
- 已经
- 还
- Amazon
- 亚马逊重新认识
- 亚马逊网络服务
- an
- 分析
- 分析
- 分析
- 和
- 任何
- API
- APIs
- 应用领域
- 适当
- 保健
- 人造的
- 人工智能
- AS
- 分配
- 助理
- At
- AWS
- 基地
- 基于
- BE
- before
- 如下。
- 之间
- 十亿美元
- 品牌
- 午休
- 建筑物
- 商业
- by
- 调用
- CAN
- 能力
- 能力
- 类别
- 产品类别
- 挑战
- 查
- 分类
- CLI
- 云端技术
- 码
- 收藏
- 命令
- 地区
- 完成
- 完成对
- 复杂
- 元件
- 组件
- 一台
- 计算机视觉
- 概念
- 信心
- 配置
- 安慰
- 内容
- 内容类型
- 不断
- 复制
- 正确
- 创建信息图
- 创建
- 创造
- 危急
- 电流
- 习俗
- 合作伙伴
- 每天
- 日期时间
- 深
- 深入学习
- 详情
- 检测
- 检测
- 检测
- 发达
- 不同
- 直接
- 讨论
- 不
- 不会
- 驾驶
- 毒品
- e
- 电子商务行业
- 每
- 容易
- 易
- 易于使用
- 或
- 电子
- 消除
- 其他
- enable
- 使
- 订婚
- 提高
- 确保
- 进入
- 企业
- 故障
- 评估
- 例子
- 排除
- 扩大
- 展开
- 专门知识
- 探索
- 延长
- 失败
- false
- 专栏
- 特征
- 少数
- 文件
- 档
- (名字)
- 重点
- 遵循
- 以下
- 食品
- 针对
- 格式
- 培育
- 止
- ,
- Gain增益
- 赌博
- 产生
- 得到
- 粒状
- 指南
- 有
- he
- 帮助
- 这里
- 分级
- 更高
- 高度
- 他的
- 创新中心
- How To
- HTML
- HTTP
- HTTPS
- i
- ID
- 鉴定
- if
- 图片
- 图片
- 进口
- 改善
- 改善
- in
- 包括
- 包含
- 行业
- 信息
- 输入
- 可行的洞见
- 房源搜索
- 接口
- 亲密
- 成
- 推出
- IT
- 工作
- 工作机会
- 加盟
- JPG
- JSON
- 键
- 接吻
- L1
- l2
- 标签
- 标签
- 大
- 后来
- 最新
- 推出
- 学习
- 最少
- Level
- Line
- 线
- 清单
- 听力
- 圖書分館的位置
- 日志
- 看
- 降低
- 机
- 机器学习
- 制作
- 经理
- 许多
- 标记
- 营销
- 可能..
- 媒体
- 迁移
- 最低限度
- ML
- 模型
- 中度
- 适度
- 现代化
- 模块化
- 更多
- 最先进的
- 姓名
- 旅游导航
- 需求
- 负
- 底片
- 全新
- 没有
- 对象
- 获得
- of
- 进攻
- on
- 一旦
- 一
- 优化
- 附加选项
- or
- 秩序
- OS
- 我们的
- 输出
- 产量
- 超过
- 简介
- 页
- 面包
- 参数
- 部分
- 通过
- 多情
- 为
- 丸
- 平台
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 播客
- 政策
- 积极
- 帖子
- 功率
- 都曾预测
- 预测
- 预测
- 先决条件
- 当下
- 校长
- 问题
- 过程
- 产品
- 产品经理
- 核心产品
- 代码编程
- 保护
- 成熟
- 提供
- 提供
- 提供
- 很快
- 范围
- 实时的
- 接收
- 地区
- 依靠
- 声誉
- 需要
- 响应
- 导致
- 成果
- 零售
- 回报
- 定位、竞价/采购和分析/优化数字媒体采购,但算法只不过是解决问题的操作和规则。
- 运行
- 安全
- 同
- 可扩展性
- 科学家
- 得分了
- 分数
- sdk
- 其次
- 部分
- 看到
- 选择
- 选择
- 前辈
- 服务
- 特色服务
- 会议
- 她
- 作品
- 类似
- 简易
- 只是
- 方案,
- 解决方案
- 解决
- 一些
- 专业
- 指定
- 花费
- 统计
- Status
- 步骤
- 存储
- 存储
- 这样
- 概要
- 表
- 分类
- 团队
- 专业技术
- 比
- 这
- 其
- 他们
- 然后
- 博曼
- 他们
- Free Introduction
- 通过
- 次
- 至
- 培训
- 熟练
- 产品培训
- true
- 尝试
- 二
- 类型
- 类型
- 教资会
- 独特
- 无用
- 更新
- 最新动态
- 上传
- 上传
- 使用
- 用户
- 运用
- 有效
- 验证
- 折扣值
- 企业验证
- 验证
- 确认
- 版本
- 通过
- 视频
- 视频
- 查看
- 暴力
- 愿景
- 参观
- 音色
- 等候
- 想
- we
- 卷筒纸
- Web服务
- ,尤其是
- 这
- 而
- 将
- 工作
- 工作流程
- 合作
- X
- 年
- 完全
- 您一站式解决方案
- 和风网