Einführung

Mit Amazon Rekognition Custom Labels können Sie Objekte und Szenen in Bildern für Ihre geschäftsspezifischen Anforderungen identifizieren. Sie können beispielsweise Ihr Logo in Social-Media-Beiträgen finden, Ihre Produkte in Regalen identifizieren, Maschinenteile in einer Montagelinie klassifizieren, gesunde und befallene Pflanzen unterscheiden oder animierte Charaktere in Videos erkennen.

Die Entwicklung eines individuellen Modells zur Bildanalyse ist ein anspruchsvolles Unterfangen, das nicht nur Know-how und Ressourcen erfordert, sondern auch mehrere Monate in Anspruch nehmen kann. Zudem müssen in vielen Fällen Tausende oder Zehntausende Bilder manuell mit Labels gekennzeichnet werden, damit das Modell über genügend Daten verfügt und sichere Entscheidungen treffen kann. Die Aufbereitung dieser Daten kann mehrere Monate dauern und große Teams erfordern. Dabei werden die Bilder mit Labels gekennzeichnet und auf das Machine Learning vorbereitet.

Wenn Sie sich für Amazon Rekognition Custom Labels entscheiden, dann übernehmen wir diese zeitraubende Arbeit für Sie. Rekognition Custom Labels nutzt die bestehenden Rekognition-Fähigkeiten, die bereits mit mehreren Millionen Bildern aus verschiedenen Kategorien trainiert wurden. Sie benötigen nicht mehrere Tausend Bilder, sondern können einfach einen kleinen Bildersatz zum Training für Ihren Anwendungsfall (normalerweise höchstens ein paar Hundert Bilder) mit unserer intuitiven Konsole hochladen. Wenn Ihre Bilder bereits mit Labels gekennzeichnet sind, kann Rekognition nach wenigen Klicks mit dem Training beginnen. Wenn nicht, dann können Sie sie direkt in der Rekognition-Labeling-Oberfläche mit Labels kennzeichnen oder mit Amazon SageMaker Ground Truth kennzeichnen lassen. Wenn Rekognition mit dem Training anhand Ihres Bildersatzes beginnt, kann es für Sie in wenigen Stunden ein individuelles Bildanalysemodell erstellen. Rekognition Custom Labels lädt und überprüft die Trainingsdaten automatisch im Hintergrund, wählt die richtigen Machine-Learning-Algorithmen aus, trainiert ein Modell und liefert Kennzahlen zur Modellleistung. Und schon können Sie Ihr individuelles Modell mit der API von Rekognition Custom Labels in Ihre Anwendungen integrieren.

Anwendungsfälle

Sichtbarkeit von Marken exakt messen

Marketingagenturen müssen ihren Kunden genaue Daten zur Sichtbarkeit ihrer Marken in verschiedenen Medien liefern. Normalerweise verzeichnen sie das Vorkommen der Logos und Produkte ihrer Kunden in Social-Media-Bildern, Sendungen und Sportvideos auf manuelle Weise. Mit Amazon Rekognition Custom Labels können Agenturen ein individuelles Modell erzeugen, das speziell zur Erkennung der Logos und Produkte ihrer Kunden trainiert wurde. So müssen sie die traditionellen und sozialen Medien nicht mehr manuell verfolgen, sondern können Bilder und Video-Frames mit dem individuellen Modell verarbeiten, um die Anzahl der Erscheinungen zu erfassen.

Content-Syndication-Möglichkeiten erkennen

Produzenten müssen normalerweise Tausende Bilder und Videos sichten, um das relevante Material für eine Show zu finden. Zum Beispiel müssen Sportsender oft Clips mit den Highlights von Spielen, Teams und Spielern für Partner zusammenstellen. Es kann mehrere Stunden dauern, das Archivmaterial dafür durchzusehen. Wenn sie ein individuelles Modell trainieren, um Teams und Spieler anhand von Trikots und Nummern oder wichtige Ereignisse wie Torschüsse, Strafstöße und Verletzungen zu erkennen, erhalten sie schnell eine Liste von relevanten Bildern und Clips, die zum Filmthema passen.

Betriebliche Effizienz steigern

Landwirtschaftsunternehmen müssen die Qualität ihrer Erzeugnisse bewerten, bevor sie sie verpacken. Zum Beispiel könnte ein Betrieb seine Tomaten manuell in 6 verschiedene Reifegrade klassifizieren, von grün nachreifend bis rot, und sie entsprechend verpacken und verkaufen. Doch sie können sich diese manuelle Überprüfung jeder einzelnen Tomate auch sparen, wenn sie ein individuelles Modell zur Klassifizierung ihrer Tomaten nach bestimmten Reifegrad-Kriterien trainieren. Sie können das Modell in die Verarbeitungssysteme integrieren, sodass sie die Tomaten automatisch sortieren und entsprechend verpacken können.

Wichtigste Funktionen

Einfache Label-Verwendung

Die Konsole für Rekognition Custom Labels bietet eine Benutzeroberfläche, damit Sie Ihre Bilder schnell und einfach mit Labels kennzeichnen können. Darin können Sie ein gesamtes Bild mit einem Label kennzeichnen oder nur spezifische Objekte in Bildern mit einem Begrenzungsrahmen per Klick markieren und kennzeichnen.

Simplify-data-labeling

Alternativ können Sie bei großen Datensätzen auch Amazon SageMaker Ground Truth nutzen, um große Bildmengen effizient mit Labels zu kennzeichnen.

Automatisiertes Machine Learning

Sie können Ihr individuelles Modell ganz ohne Machine-Learning-Vorkenntnisse erstellen. Rekognition Custom Labels beinhaltet AutoML-Funktionen, die das Machine Learning für Sie übernehmen. Sie stellen einfach die Trainingsdaten bereit und Rekognition Custom Labels lädt und überprüft die Daten automatisch, wählt die richtigen Machine-Learning-Algorithmen aus, trainiert ein Modell und liefert Kennzahlen zur Modellleistung.

Einfache Überprüfungen, Inferenzen und Rückmeldungen für Modelle

Sie können die Leistung des Modells ganz unkompliziert mit einem Testsatz überprüfen. Sie erhalten für jedes Bild aus dem Testsatz eine Gegenüberstellung der Modell-Vorhersage und des zugewiesenen Labels. Doch sie können auch detaillierte Leistungskennzahlen überprüfen, z. B. Genauigkeits-/Trefferquote-Metriken, F-Werte und Zuversichtlichkeitswerte. Sie können Ihr Modell unmittelbar für Bildanalysen verwenden oder neue Versionen mit zusätzlichen Bildern neu trainieren und optimieren. Sobald Sie Ihr neues Modell nutzen, können Sie Ihre Vorhersagen festhalten, Fehler korrigieren und die Feedbackdaten für das Training neuer Modellversionen verwenden und die Leistung optimieren.

Kundenerfolg

Syndication-Content-Erstellung
nfl
"In der heutigen Medienlandschaft wächst das Volumen unstrukturierter Inhalte, die Unternehmen verwalten, exponentiell. Mit herkömmlichen Tools können Benutzer Schwierigkeiten haben, Tausende von Medienressourcen zu durchsuchen, um ein bestimmtes Element zu finden, nach dem sie suchen. Durch die Verwendung der neuen Funktion Custom Labels in Amazon Rekognition sind wir in der Lage, automatisch Metadaten-Tags zu generieren, die auf bestimmte Anwendungsfälle für unser Unternehmen zugeschnitten sind, und durchsuchbare Facetten für unsere Content-Erstellungsteams bereitzustellen. Dies verbessert die Geschwindigkeit, in der wir nach Inhalten suchen können, erheblich und, was noch wichtiger ist, ermöglicht es uns, Elemente, die vorher manuelle Anstrengungen erforderten, automatisch zu markieren. Diese Tools ermöglichen es unseren Produktionsteams, diese Daten direkt zu nutzen und bieten unseren Kunden verbesserte Produkte auf allen unseren Medienplattformen.“

Brad Boim, Senior Director, Post Production & Asset Management, NFL Media

Marketing-Performance-Boost
5582_600x400_Vidmob_Logo
"Durch die Einführung von Amazon Rekognition Custom Labels erhalten die Marketingfachleute in unserem Agile Creative Studio fortschrittliche Funktionen, damit sie ihre spezifischen Produkte (Custom Labels) in den Anzeigen im großen Maßstab in wenigen Minuten entwickeln und trainieren können. Bisher konnten Kunden die Integration von Amazon Rekognition in VidMob verwenden, um gemeinsame Objekte zu erkennen, doch mit der neuen Funktion für Custom Labels wird unsere Plattform für jedes Geschäftsfeld attraktiv. Die kreative Leistung steigt um 150 % und die erforderliche Zeit für manuelle Analysen sinkt um 30 %, deshalb nimmt die kreative Leistung mit VidMob Agile Creative Studio spürbar Fahrt auf."

Alex Collmer, CEO, VidMob

Erste Schritte mit Amazon Rekognition Custom Labels

Artikel im Entwicklerhandbuch lesen
Bereit zum Entwickeln?
Erste Schritte mit AWS Rekognition
Haben Sie Fragen?
Kontakt