亚马逊AWS官方博客

Category: Artificial Intelligence

面向农业科技的 AI：使用 Amazon Rekognition 自定义标签对猕猴桃进行分类

计算机视觉是人工智能 (AI) 的一个领域，借助于价格合理且基于云的训练计算，更高性能的算法，优化的可扩展模型的部署和推理，该领域越来越受到人们的关注和欢迎。但是，尽管在单个人工智能 (AI) 和机器学习 (ML) 领域取得了这些进展，但是将机器学习管道简化为一致且可观察的工作流程，以便规模较小的业务部门能够更轻松地访问，这仍然是一个很有挑战的目标。

使用 Amazon Forecast 评估预测模型准确性，切实优化业务目标

Amazon Forecast 通过提供平均预测并捕捉需求从最小值到最大值变化的预测分布，帮助您针对业务目标优化具体成本。通过此次发布，Forecast现在可以在模型训练过程中为多个分布点提供准确性指标，帮助您快速优化预测过低与预测过高，且全程无需手动进行指标计算。

通过 AWS Network Firewall 实现混合云环境下资源和服务的有效防护

AWS在2020年底的Re:Invent大会上发布了新的安全产品的管理服务Network Firewall（网络防火墙），客户可以通过使用它来对外网进行隔离（也叫南北向），也可以用于内网之间进行隔离（也叫东西向，如同一个区域的不同VPC之间，不同区域的不同VPC之间，云和IDC之间等），实现基于规则的检测和防护。

通过 AWS Network Firewall 实现南北向资源和服务的有效防护

AWS在2020年底的Re:Invent大会上发布了新的安全产品的管理服务Network Firewall（网络防火墙），客户可以通过使用它来对外网进行隔离（也叫南北向），也可以用于内网之间进行隔离（也叫东西向，如同一个区域的不同VPC之间，不同区域的不同VPC之间，云和IDC之间等），实现基于规则的检测和防护。

通过 AWS Network Firewall 实现东西向资源和服务的有效防护

AWS在2020年底的Re:Invent大会上发布了新的安全产品的管理服务Network Firewall（网络防火墙），客户可以通过使用它来对外网进行隔离（也叫南北向），也可以用于内网之间进行隔离（也叫东西向，如同一个区域的不同VPC之间，不同区域的不同VPC之间，云和IDC之间等），实现基于规则的检测和防护。

在 Amazon SageMaker Ground Truth 中简化 YOLO 对象检测的数据标记流程

本文介绍了如何在Amazon Ground Truth中为对象检测模型创建高效的端到端数据收集管道。您可以在创建对象检测模型时亲自体验整个操作过程。您也可以修改后期处理注释，以Pascal VOC格式生成带有标签的数据，可用于Faster RCNN等模型。您还可以在适当修改之后，将这套基本框架应用于其他特定于不同作业需求的数据标记管道。例如，您可以重写注释后处理过程改造框架用于实例分割任务，即对各类对象进行像素级标记，而不是本文示例中在对象周边绘制矩形

← Older posts
Newer posts →