Allgemeines

F: Was ist Amazon Rekognition?

Amazon Rekognition ist ein Service, mit dem Sie einfach Bildanalysen zu Ihren Anwendungen hinzufügen können. Rekognition Image ermöglicht die einfache Erstellung leistungsfähiger Anwendungen zum Suchen, Überprüfen und Organisieren von Millionen von Bildern. Rekognition Video ermöglicht die Extraktion von bewegungsbasiertem Kontext aus gespeicherten oder live gestreamten Videos und hilft Ihnen bei der Analyse.

Rekognition Image ist ein Bilderkennungsservice, der Objekte, Szenen, Gesichter, Text, bekannte Persönlichkeiten und unangemessene Bildinhalte erkennt. Außerdem können Sie damit Gesichter suchen und vergleichen. Hinter Rekognition Image arbeitet die bewährte, hochgradig skalierbare Deep Learning-Technologie, die von Amazon-Wissenschaftlern entwickelt wurde, damit mittels maschinellen Sehfunktionen (Computer Vision) für Prime Photos täglich Milliarden Bilder analysiert werden können.

Tiefgreifende Modelle neuronaler Netze erkennen und benennen in Rekognition Image Tausende Objekte und Szenen in Ihren Bildern. Wir fügen ständig neue Benennungen und Gesichtserkennungsfunktionen hinzu. Mit Rekognition Image zahlen Sie nur für die Bilder, die Sie analysieren, und die Gesichts-Metadaten, die Sie speichern.

Rekognition Video ist ein Videoerkennungsservice, der Menschen verfolgt und Aktivitäten, Objekte, bekannte Persönlichkeiten und unangemessene Inhalte in Videos erkennt, die in Amazon S3 gespeichert sind oder auf Acuity live gestreamt werden. Rekognition Video erkennt Personen und verfolgt sie durch das Video, auch wenn ihre Gesichter nicht zu sehen sind oder die jeweilige Person aus der Szene heraus- oder in die Szene hineingeht. Dies erleichtert und präzisiert die Untersuchung und Echtzeitüberwachung von Personen von besonderem Interesse. Diese Funktionalität kann beispielsweise im Rahmen einer Anwendung eingesetzt werden, die Sie benachrichtigt, wenn der Paketbote vor Ihrer Haus- oder Wohnungstür steht. Rekognition Video ermöglicht außerdem, Metadaten wie Objekte, Aktivitäten, Szenen, bekannte Persönlichkeiten und Gesichter aufzuzeichnen. Dies erleichtert das Durchsuchen von Videos.

F: Was ist Deep Learning?

Deep Learning ist ein Unterbereich des maschinellen Lernens und spielt eine wichtige Rolle im Fachgebiet künstliche Intelligenz. Beim Deep Learning werden auf Grundlage von Rohdaten Abstraktionen auf hoher Ebene abgeleitet. Dafür wird ein tiefes Netz mit mehreren Verarbeitungsschichten durchlaufen, in denen verschiedene lineare und nicht lineare Transformationen stattfinden. Deep Learning ist an die Fähigkeiten der Informationsverarbeitung und Kommunikation des menschlichen Gehirns angelehnt. Es ersetzt manuelle Funktionen durch Funktionen, die auf Grundlage riesiger Datenmengen erlernt wurden. Der Lernprozess erfolgt durch die sich wiederholende Beurteilung Hunderttausender Parameter im tiefen Netz, wobei effiziente Algorithmen genutzt werden.

Mehrere Deep Learning-Architekturen wie CNNs (Convolutional Deep Neural Networks) und rückgekoppelte neuronale Netze wurden auf Technologien für maschinelles Sehen, Spracherkennung, Verarbeitung natürlicher Sprache und Erkennung von Audio angewendet, um herausragende Ergebnisse bei der Umsetzung verschiedenster Aufgaben zu erzielen.

Amazon Rekognition gehört zur Familie der Amazon AI-Dienste. Die Amazon AI-Dienste verwenden Deep Learning, um Bilder zu verstehen, Text in natürlich klingende Sprache umzuwandeln und intuitive Text- und Sprachoberflächen für Konversationen zu erstellen.

F: Muss ich ein Experte für Deep Learning sein, um Amazon Rekognition verwenden zu können?

Nein. Mit Amazon Rekognition müssen Sie keine Deep Learning-Pipelines erstellen, verwalten oder aktualisieren.

Um präzise Ergebnisse bei der Durchführung komplexer maschineller Sehfunktionen zu erzielen, wie zum Beispiel die Erkennung von Objekten und Szenen, Gesichtsanalyse oder Gesichtserkennung, müssen Deep Learning-Systeme optimal abgestimmt und mithilfe eines riesigen Fundaments an Daten aufgebaut werden, die überprüft und mit einem Label versehen wurden. Die Ermittlung, Bereinigung und korrekte Benennung von Daten ist eine zeitraubende und kostspielige Aufgabe. Die Pflege und der Aufbau eines tiefen neuronalen Netzes ist außerdem berechnungsintensiv und erfordert oft maßgeschneiderte Hardware einschließlich Grafikprozessoren.

Amazon Rekognition ist vollständig verwaltet und kann schon im Auslieferungszustand Aufgaben der Bild- und Videoerkennung durchführen, sodass Sie weder Zeit noch Ressourcen für die Erstellung einer Deep Learning-Pipeline aufwenden müssen. Amazon Rekognition wird auf Basis der neuesten Forschungsergebnisse stets weiterentwickelt und durch aktuelle Lerndaten kontinuierlich erweitert und verbessert. So können Sie sich ganz auf das Design und die Entwicklung hochwertiger Anwendungen konzentrieren.

F: Was sind die gängigsten Anwendungsfälle für Amazon Rekognition?

Die gängigsten Anwendungsfälle für Rekognition Image umfassen:

  • Durchsuchbare Bildbibliothek
  • Gesichtsbasierte Benutzerverifizierung
  • Stimmungsanalyse
  • Gesichtserkennung
  • Image Moderation
  • Autokennzeichenerkennung

Die gängigsten Anwendungsfälle für Rekognition Video umfassen:

  • Unmittelbare Reaktion zum Schutz der öffentlichen Sicherheit
  • Investigative Analyse von Ereignissen für öffentliche Sicherheit
  • Suchindex für Videoarchive
  • Einfaches Filtern von Videos auf anzügliche oder sexuell eindeutige Inhalte

F: Was sind die ersten Schritte mit Amazon Rekognition?  

Wenn Sie sich noch nicht bei Amazon Rekognition angemeldet haben, klicken Sie auf der Seite für Amazon Rekognition auf "Testen Sie Amazon Rekognition" und melden Sie sich an. Hierfür ist ein Amazon Web Services-Konto erforderlich. Wenn Sie noch kein Konto haben, werden Sie bei der Anmeldung aufgefordert, ein Konto zu erstellen. Sobald Sie sich angemeldet haben, können Sie Amazon Rekognition mit Ihren eigenen Bildern und Videos ausprobieren. Verwenden Sie hierfür die Verwaltungskonsole von Amazon Rekognition oder laden Sie dieAmazon Rekognition-SDKs herunter, um mit der Erstellung Ihrer eigenen Anwendungen zu beginnen. Schritt-für-Schritt-Anweisungen finden Sie im Leitfaden für Erste Schritte.

F: Welche APIs bietet Amazon Rekognition? 

Amazon Rekognition Image bietet APIs zur Erkennung von Objekten, Szenen, bekannten Persönlichkeiten und anstößigen Inhalten, zur Erkennung und Analyse von Gesichtern, zum Gesichtsvergleich und zur Suche ähnlicher Gesichter in einer Gesichtssammlung. Darüber hinaus werden APIs zur Verwaltung von Ressourcen bereitgestellt. Rekognition Image bietet außerdem APIs für den Gesichtsabgleich und die Textextraktion, während Rekognition Video auch APIs zum Verfolgen von Personen und Verwalten von Livestreams von Acuity bietet. Weitere Informationen finden Sie in der API-Referenz zu Amazon Rekognition.

F: Welche Bild- und Videoformate werden von Amazon Rekognition unterstützt? 

Amazon Rekognition Image unterstützt derzeit die Bildformate JPEG und PNG. Sie können Bilder entweder als S3-Objekt oder als Byte-Array übermitteln. Amazon Rekognition Video-Vorgänge können Videos analysieren, die in Amazon S3-Buckets gespeichert werden. Das Video muss mit dem H.264-Codec kodiert sein. Die Dateiformate MPEG-4 und MOV werden unterstützt. Bei einem Codec handelt es sich um Software oder Hardware, die Daten zur schnelleren Übertragung komprimiert und empfangene Daten in seine ursprüngliche Form dekomprimiert. Der Codec H.264 wird oft für das Aufzeichnen, Komprimieren und Verbreiten von Videoinhalten verwendet. Videodateiformate enthalten möglicherweise mehrere Codecs. Falls Videodateien in den Dateiformaten MOV und MPEG-4 nicht in Rekognition Video verarbeitet werden können, prüfen Sie, ob das Video mit H.264 kodiert wurde.

F: Welche Dateigröße wird von Amazon Rekognition unterstützt? 

Amazon Rekognition Image unterstützt eine Bildgröße von bis zu 15 MB bei der Übermittlung als S3-Objekt und eine Bildgröße von bis zu 5 MB bei der Übermittlung als Byte-Array. Amazon Rekognition Video unterstützt Dateien mit bis zu 8 GB und 2 Stunden Laufzeit, falls sie als S3-Dateien verarbeitet werden.

F: Wie wirkt sich die Bildauflösung auf die Qualität der Rekognition Image-API-Ergebnisse aus? 

Amazon Rekognition funktioniert für ein breites Auflösungsspektrum. Um optimale Ergebnisse zu erzielen, empfehlen wir die Verwendung von VGA (640 x 480) oder höher. Bei einer Auflösung unter QVGA (320 x 240) ist das Risiko höher, dass Gesichter, Objekte oder unangemessene Inhalte nicht erkannt werden, obwohl Amazon Rekognition Bilder mit mindestens 80 Pixeln pro Seite unterstützt.

F: Wie groß muss ein Objekt mindestens sein, um von Amazon Rekognition Image erkannt und analysiert werden zu können? 

Als Faustregel gilt, dass das kleinste Objekt oder Gesicht mindestens 5 % der kürzeren Bildseite ausmachen muss (in Pixeln). Beispiel: In einem 1 600 x 900 großen Bild müsste das kleinste Gesicht oder Objekt mindestens 45 Pixel auf jeder Seite umfassen.

F: Wie wirkt sich die Videoauflösung auf die Qualität der Rekognition Video-API-Ergebnisse aus?

Das System ist darauf trainiert, Gesichter zu erkennen, die größer als 32 Pixel (auf der kürzeren Bildseite) sind. Für die Erkennung ist also eine Mindestgesichtsgröße zwischen 1/7 der kürzeren Bildseite bei QVGA-Auflösung und 1/30 bei HD-1080p-Auflösung erforderlich. So müssen Benutzer beispielsweise bei VGA-Auflösung eine verringerte Leistung erwarten, wenn Gesichter erkannt werden sollen, die kleiner als 1/10 der kürzeren Bildseite sind.

F: Wodurch wird die Qualität der Rekognition Video-APIs außerdem eingeschränkt?

Neben der Auflösung beeinträchtigen Unschärfen, sich schnell fortbewegende Personen, Lichtverhältnisse und die Haltung der Zielperson die Qualität der APIs.

F: Welche Benutzervideoinhalte sind besonders geeignet für die Rekognition Video-APIs?

Diese API funktioniert am besten mit Videos, die mit Amateur- oder Profiausrüstung mit einem frontalen Sichtfeld in normalen Farb- und Lichtverhältnissen aufgenommen wurden. Diese API wurde nicht für Schwarzweißvideos, Infrarot oder extreme Lichtverhältnisse getestet. Für Anwendungen, bei denen falsche Alarme besonders heikel sind, sollten Ausgaben verworfen werden, wenn sie einen bestimmten festgelegten (anwendungsspezifischen) Zuverlässigkeitswert nicht erreichen.

F: In welchen AWS-Regionen ist Amazon Rekognition verfügbar? 

Amazon Rekognition Image ist derzeit in den Regionen USA Ost (Nord-Virginia), USA West (Oregon), USA Ost (Ohio) , EU (Irland), Asien-Pazifik (Tokio), Asien-Pazifik (Sydney) sowie in der Region AWS GovCloud (USA) verfügbar. Amazon Rekognition Video ist in den Regionen USA Ost (Nord-Virginia), USA West (Oregon), USA Ost (Ohio), EU (Irland), Asien-Pazifik (Tokio) sowie Asien-Pazifik (Sydney) verfügbar. Amazon Rekognition Video-Echtzeit-Streaming ist nur in den Regionen USA Ost (Nord-Virginia), USA West (Oregon), EU (Irland) sowie Asien-Pazifik (Tokio) verfügbar.

Erkennung von Objekten und Szenen

F: Was ist ein Label?

Ein Label beschreibt ein Objekt, eine Szene oder ein Konzept in einem Bild. Ein Foto von einem tropischen Strand kann zum Beispiel Labels wie "Person", "Water", "Sand", "Palm Tree", "Swimwear" (Objekt), "Beach" (Szene) und "Outdoors" (Konzept) enthalten. 

F: Was bedeutet "Zuverlässigkeitswert" und wie ist dieser Wert zu verstehen?

Der Zuverlässigkeitswert ist eine Zahl zwischen 0 und 100, die auf die Wahrscheinlichkeit hinweist, dass eine bestimmte Vorhersage zutrifft. Wenn im Beispiel mit dem tropischen Strand der Prozess zur Objekt- und Szenenerkennung einen Zuverlässigkeitswert von 99 für das Label "Wasser" und 35 für das Label "Palme" ergibt, ist die Wahrscheinlichkeit, dass das Bild Wasser enthält, höher als die Wahrscheinlichkeit, dass eine Palme vorhanden ist.

Anwendungen, die sehr anfällig für Erkennungsfehler sind (falsch positives Ergebnis) sollten Ergebnisse verwerfen, die einem Zuverlässigkeitswert unter einem bestimmten Schwellenwert zugeordnet sind. Der optimale Schwellenwert ist abhängig von der Anwendung. In vielen Fällen wird eine optimale Benutzererfahrung gewährleistet, wenn der minimale Zuverlässigkeitswert höher als der Standardwert eingestellt wird.

F: Was ist die Erkennung von Objekten und Szenen? 

Bei der Erkennung von Objekten und Szenen wird ein Bild bzw. Video analysiert, um diesem Bild basierend auf seinen visuellen Inhalten Labels zuzuweisen. Für diesen Prozess verwendet Amazon Rekognition Image die DetectLabels-API. Die API ermöglicht die automatische Erkennung Tausender Objekte, Szenen und Konzepte, und sie gibt einen Zuverlässigkeitswert für jedes Label zurück. DetectLabels verwendet einen standardmäßigen Schwellenwert von 50. Die Erkennung von Objekten und Szenen ist ideal für Kunden, die große Bildbibliotheken durchsuchen und organisieren möchten, darunter Kunden- und Lifestyle-Anwendungen auf Basis von Inhalten, die von Benutzern generiert werden, sowie Technologieunternehmen, die ihre Targeting-Algorithmen verbessern möchten.

F: Welche Arten von Labels unterstützt Amazon Rekognition?  

Rekognition unterstützt Tausende von Labels zu gängigen Kategorien wie beispielsweise:

  • Personen und Veranstaltungen: "Wedding", "Bride", "Baby", "Birthday Cake", "Guitarist" usw.
  • Essen und Trinken: "Apple", "Sandwich", "Wine", "Cake", "Pizza" usw.
  • Natur und Outdoor: "Beach", "Mountains", "Lake", "Sunset", "Rainbow" usw.
  • Tiere und Haustiere: "Dog", "Cat", "Horse", "Tiger", "Turtle" usw.
  • Haus und Garten: "Bed", "Table", "Backyard", "Chandelier", "Bedroom" usw.
  • Sport und Freizeit: "Golf", "Basketball", "Hockey", "Tennis", "Hiking" usw.
  • Pflanzen und Blumen: "Rose", "Tulip", "Palm Tree", "Forest", "Bamboo" usw.
  • Kunst und Unterhaltung: "Sculpture", "Painting", "Guitar", "Ballet", "Mosaic" usw.
  • Transport und Fahrzeuge: "Airplane", "Car", "Bicycle", "Motorcycle", "Truck" usw.
  • Elektronik: "Computer", "Mobile Phone", "Video Camera", "TV", "Headphones" usw.

F: Inwiefern underscheidet sich die Erkennung von Objekten und Szenen bei der Videoanalyse?

Rekognition Video ermöglicht Ihnen, automatisch Tausende von Objekten (z. B. Fahrzeuge oder Haustiere) und Aktivitäten (z. B. Feiern oder Tanzen) zu erkennen, und zeigt für alle Label Zeitstempel und Zuverlässigkeitswerte an. Außerdem nutzt es Bewegungs- und Zeitkontext im Video, um komplexe Aktivitäten wie das Ausblasen von Kerzen oder das Löschen eines Feuers genau zu identifizieren.

F: Ich kann das gewünschte Label nicht finden. Wie kann ich ein neues Label anfordern?

Bitte senden Sie Ihre Anfragen an den AWS-Kundensupport. Der Labels-Katalog von Amazon Rekognition wird basierend auf Kunden-Feedback kontinuierlich erweitert.

Erkennung unsicherer Inhalte

F: Was ist die Erkennung unsicherer Inhalte?

Die Erkennung unsicherer Inhalte von Amazon Rekognition ist eine Deep-Learning-basierte, benutzerfreundliche API zu Erkennung unangemessener und mehrdeutiger Erwachseneninhalte in Bildern. Entwickler können diese zusätzlichen Metadaten verwenden, um unangemessene Inhalte basierend auf ihren Geschäftsanforderungen zu filtern. Neben dem Markieren eines Bilds basierend auf dem Vorhandensein von Erwachseneninhalten gibt Image Moderation auch eine hierarchische Liste mit Bewertungen zurück. Diese Bewertungen geben bestimmte Kategorien von Erwachseneninhalten an und stellen so Entwicklern eine genauere Kontrolle bereit, um große Mengen an von Benutzern generierten Inhalten (User Generated Content, UGC) zu filtern und zu verwalten. Diese API kann in Moderations-Workflows für Anwendungen wie Social Network- oder Dating-Websites, Fotofreigabeplattformen, Blogs und Foren, Apps für Kinder, E-Commerce-Websites, Unterhaltungs- und Onlinewerbeservices verwendet werden.

F: Welche Arten von unangemessenen und mehrdeutigen Erwachseneninhalten erkennt Amazon Rekognition?

Amazon Rekognition erkennt die folgenden Arten von unangemessenen und mehrdeutigen Erwachseneninhalten in Bildern:

  • Detaillierte Nacktheit
  • Nacktheit
  • Grafische Nacktheit (männlich)
  • Grafische Nacktheit (weiblich)
  • Sexuelle Aktivität
  • Teilweise Nacktheit
  • Mehrdeutig
  • Schwimmkleidung oder Unterwäsche (weiblich)
  • Schwimmkleidung oder Unterwäsche (männlich)
  • Freizügige Kleidung

Die API von Amazon Rekognition für die Erkennung unsicherer Bilder gibt eine Hierarchie mit Kategorien sowie eine Bewertung für jede entdeckte Kategorie zurück. Rekognition kann bei einem unangemessenen Bild beispielsweise "Explicit Nudity" (detaillierte Nacktheit) mit einer sehr hohen Bewertung zurückgeben. Entwickler können damit Inhalte entsprechend markieren. In der gleichen Antwort gibt Rekognition außerdem eine zweite Genauigkeitsstufe zurück, indem zusätzlicher Kontext wie "Graphic Male Nudity" (grafische Nacktheit (männlich)) mit einer eigenen Bewertung bereitgestellt wird. Entwickler können mit diesen Informationen eine komplexere Filterlogik erstellen.

Bitte beachten Sie, dass die API für die Erkennung unangemessener und mehrdeutiger Erwachseneninhalte keinen erschöpfenden Filter darstellt oder zu sein vorgibt. Außerdem erkennt diese API nicht, ob ein Bild illegale Inhalte (z. B. Kinderpornografie) oder unnatürliche Erwachseneninhalte enthält.

F: Kann die API von Amazon Rekognition für die Erkennung unsicherer Inhalte andere ungeeignete Inhalte neben unangemessenen und mehrdeutigen Erwachseneninhalten erkennen?

Derzeit unterstützt Rekognition nur die oben erläuterten Kategorien. Wir arbeiten fortlaufend daran, Kategorien basierend auf Feedback von Kunden hinzuzufügen und zu verbessern.
Wenn Sie andere Arten unangemessener Inhalte in Bildern erkennen müssen, wenden Sie sich bitte über den weiter unten in diesem Abschnitt erläuterten Feedback-Prozess an uns.

F: Inwiefern unterscheidet sich die Erkennung unsicherer Inhalte für die Videoanalyse?

Rekognition Video ermöglicht die automatische Identifikation sexuell eindeutiger oder anzüglicher Erwachseneninhalte und gibt für alle Inhaltstyplabel Zeitstempel und Zuverlässigkeitswerte zurück.

F: Wie kann ich sicherstellen, dass Rekognition meinen Anwendungsfällen für die Erkennung von Bildern und Videos für Erwachsene entspricht?

Die Modelle von Rekognition für die Erkennung unsicherer Inhalte wurden umfangreich optimiert und getestet, aber wie empfehlen Ihnen, die Genauigkeit Ihrer eigenen Datensätze zu messen, um die Leistung einzuordnen.

Sie können den "MinConfidence"-Parameter in Ihren API-Anforderungen verwenden, um ein Gleichgewicht zwischen der Inhaltserkennung und der Genauigkeit der Erkennung herzustellen. Wenn Sie "MinConfidence" reduzieren, werden Sie höchstwahrscheinlich die meisten unangemessenen Inhalte erkennen, markieren aber möglicherweise auch Inhalte, die in Wirklichkeit weder unangemessen noch mehrdeutig sind. Wenn Sie "MinConfidence" erhöhen, stellen Sie wahrscheinlich sicher, dass alle erkannten Inhalte tatsächlich unangemessen oder mehrdeutig sind, allerdings werden einige unangemessene Inhalte möglicherweise nicht erkannt. Beispiele zum Verwenden von "MinConfidence" für Bilder finden Sie hier in der Dokumentation.

Falls Rekognition Erwachseneninhalte in Bildern oder Videos nicht erkennt, wenden Sie sich bitte über den unten erläuterten Feedback-Prozess an uns.

F: Wie kann ich Feedback zu Rekognition geben, um die Erkennung unsicherer Inhalte zu verbessern? 

Bitte senden Sie Ihre Anfragen an den AWS-Kundensupport. Amazon Rekognition erweitert basierend auf dem Kundenfeedback fortlaufend die Arten unangemessener Inhalte, die erkannt werden. Normalerweise dauert es 6 bis 8 Wochen, um neue Arten unangemessener oder mehrdeutiger Inhalte hinzuzufügen. Bitte beachten Sie, dass illegale Inhalte (z. B. Kinderpornografie) durch diesen Prozess nicht verarbeitet werden.

Gesichtsanalyse

F: Was ist die Gesichtsanalyse?

Mit der Gesichtsanalyse lassen sich Gesichter innerhalb von Bildern erkennen und davon ausgehend relevante Gesichtsattribute erfassen. Amazon Rekognition Image gibt für jedes Gesicht, das in einem Bild erkannt wird, den Begrenzungsrahmen sowie Attribute wie Geschlecht, Vorhandensein einer Sonnenbrille und Gesichtserkennungspunkte zurück. Rekognition Video gibt die Gesichter, die in einem Video erkannt wurden, mit Zeitstempeln, der Position und einem Begrenzungsrahmen mit Gesichtserkennungspunkten zurück.

F: Welche Gesichtsattribute kann ich mit Amazon Rekognition erfassen?

Amazon Rekognition gibt für jedes erkannte Gesicht die folgenden Gesichtsattribute sowie einen Begrenzungsrahmen und den Zuverlässigkeitswert für jedes Attribut zurück:

  • Geschlecht
  • Lächeln
  • Stimmung
  • Brille
  • Sonnenbrille
  • Augen geöffnet
  • Mund geöffnet
  • Schnauzbart
  • Bart
  • Position
  • Qualität
  • Gesichtsmerkmale

F: Was ist die Gesichtsposition?

Die Gesichtsposition bezeichnet die Rotation eines erkannten Gesichtes auf der Nick-, Roll- und Gierachse. Jeder dieser Parameter wird als ein Winkel zwischen -180 und +180 Grad zurückgegeben. Anhand der Gesichtsposition kann die Ausrichtung des Polygons um das Gesicht herum ermittelt werden (im Gegensatz zum rechteckigen Begrenzungsrahmen), um Abweichungen zu messen, Gesichter präzise nachzuverfolgen usw.

F: Was ist die Gesichtsqualität?

Die Gesichtsqualität beschreibt die Qualität des erkannten Bildes mithilfe der beiden Parameter Schärfe und Helligkeit. Beide Parameter werden als Werte zwischen 0 und 1 zurückgegeben. Sie können einen Schwellenwert auf diese Parameter anwenden, um optimal beleuchtete und scharf dargestellte Gesichter herauszufiltern. Dies ist für Anwendungen nützlich, in denen die Qualität der Gesichtsaufnahmen wichtig ist, zum Beispiel für Gesichtsvergleich und Gesichtserkennung.

F: Was sind Gesichtsmerkmale? 

Gesichtsmerkmale sind eine Reihe von hervorstehenden Punkten, die sich normalerweise am Rand, an der Spitze oder in der Mitte von wichtigen Gesichtsteilen wie Augen, Nase und Mund befinden. Die DetectFaces-API von Amazon Rekognition gibt eine Gruppe von Gesichtsmerkmalen zurück, die Ihnen dabei helfen, Gesichter freizustellen, ein Gesicht mit einem anderen Gesicht zu kombinieren, durch Überlagern benutzerdefinierter Masken individuelle Filter zu erstellen usw.

F: Wie viele Gesichter können in einem Bild erkannt werden?

Mit Amazon Rekognition lassen sich bis zu 100 Gesichter in einem Bild erkennen.

F: Inwiefern unterscheidet sich die Gesichtsanalyse für die Videoanalyse?

Mit Rekognition Video können Sie Gesichter innerhalb von Videos erkennen und Gesichtsmerkmale analysieren; so kann analysiert werden, ob das Gesicht lächelt, ob die Augen geöffnet sind oder ob Emotionen erkennbar sind. Rekognition Video gibt die erkannten Gesichter mit Zeitstempeln, der Position und einem Begrenzungsrahmen mit Gesichtserkennungspunkten (z. B. linkes Auge, rechtes Auge, Nase, linker Mundwinkel, rechter Mundwinkel) zurück. Diese Positions- und Zeitinformationen lassen sich dazu einsetzen, die Stimmung des Benutzers im Lauf der Zeit zu erfassen und weitere Funktionen wie das automatische Umrahmen, Hervorheben oder Zentrieren von Gesichtern bereitzustellen.

F: Was außer der Videoauflösung beeinflusst die Qualität der Rekognition Video-APIs?

Neben der Videoauflösung spielen die Qualität und der repräsentative Teil der zu durchsuchenden Gesichtssammlungen eine große Rolle. Die Nutzung verschiedener Gesichtsbeispiele pro Person mit verschiedenen Variationen z. B. Bart, Brille, Pose (Profil und Frontal) verbessert die Leistung enorm. In der Regel ist die Qualität bei sich schnell fortbewegenden Menschen und verschwommenen Videos vermindert.

Gesichtsvergleich

F: Was ist der Gesichtsvergleich? 

Beim Gesichtsvergleich wird ein Gesicht mit einem oder mehreren Gesichtern verglichen, um die Ähnlichkeit zu messen. Mit der CompareFaces-API von Amazon Rekognition Image können Sie die Wahrscheinlichkeit messen, mit der Gesichter in zwei Bildern von derselben Person stammen. Die API vergleicht ein Gesicht im Quellbild mit jedem Gesicht, das im Zielbild erkannt wurde, und gibt für jeden Vergleich einen Ähnlichkeitswert zurück. Für jedes erkannte Gesicht wird außerdem ein Begrenzungsrahmen und ein Zuverlässigkeitswert angegeben. Mit der Funktion zum Gesichtsvergleich können Sie die Identität einer Person anhand eines bereits gespeicherten persönlichen Fotos nahezu in Echtzeit überprüfen.

F: Kann ich ein Quellbild mit mehr als einem Gesicht verwenden? 

Ja. Wenn das Quellbild mehrere Gesichter umfasst, erkennt CompareFaces das größte Gesicht und vergleicht es mit jedem erkannten Gesicht im Zielbild.

F: Mit wie vielen Gesichtern kann ich ein Gesicht vergleichen?

Sie können ein Gesicht im Quellbild mit bis zu 15 erkannten Gesichtern im Zielbild vergleichen.

Gesichtserkennung

F: Was ist die Gesichtserkennung?

Bei der Gesichtserkennung wird die Identität einer Person erkannt oder überprüft, indem eine Sammlung von Gesichtern nach dem entsprechenden Gesicht durchsucht wird. Die Gesichtserkennung kann ganz einfach in Anwendungen eingebunden werden, zum Beispiel für die Multifaktor-Authentifizierung für Bankzahlungen oder den automatisierten Zugang zu Bürogebäuden.

F: Was ist eine Gesichtssammlung und wie kann ich sie erstellen?  

Eine Gesichtssammlung ist ein durchsuchbarer Index mit Gesichtsmerkmalen in Form von Vektoren, die Sie besitzen und verwalten. Mit der CreateCollection-API können Sie ganz einfach eine Sammlung in einer von AWS unterstützten Region erstellen und einen Amazon-Ressourcennamen (ARN) erhalten. Jeder Gesichtssammlung ist eine eindeutige CollectionId zugewiesen.

F: Wie kann ich Gesichter zu einer Sammlung hinzufügen oder aus einer Sammlung löschen?

Um ein Gesicht zu einer vorhandenen Gesichtssammlung hinzuzufügen, verwenden Sie die IndexFaces-API. Diese API nimmt ein Bild in Form eines S3-Objekts oder Byte-Arrays an und fügt eine Vektordarstellung der erkannten Gesichter zur Gesichtssammlung hinzu. IndexFaces gibt außerdem eine eindeutige FaceId und einen Begrenzungsrahmen für jedes hinzugefügte Bild zurück.

Um ein Gesicht aus einer vorhandenen Gesichtssammlung zu löschen, verwenden Sie die DeleteFaces-API. Diese API greift auf die bereitgestellte Gesichtssammlung zu (mithilfe einer CollectionId), und entfernt die Einträge, die der Liste der FaceIds entsprechen. Weitere Informationen zum Hinzufügen und Löschen von Gesichtern finden Sie im Beispiel zurVerwaltung von Sammlungen.

F: Wie kann ich innerhalb einer Gesichtssammlung nach einem Gesicht suchen?

Sobald Sie eine indizierte Gesichtssammlung erstellt haben, können Sie sie entweder anhand eines Bildes (SearchFaceByImage) oder einer FaceId (SearchFaces) nach einem Gesicht durchsuchen. Diese APIs überprüfen ein eingegebenes Bild und geben eine Gruppe an übereinstimmenden Gesichtern zurück, die nach Ähnlichkeitsgrad geordnet sind, das heißt, das Bild mit der größten Ähnlichkeit wird als Erstes angezeigt. Weitere Informationen finden Sie im Beispiel zum Suchen nach Gesichtern.

F: Inwiefern unterscheidet sich die Gesichtserkennung für die Videoanalyse?

Rekognition Video ermöglicht das Durchführen von Echtzeitgesichtssuchen anhand von Sammlungen, die Millionen Gesichter enthalten. Hierzu wird zunächst eine Sammlung aus Gesichtern erstellt, in der Gesichter in Form von Vektorrepräsentationen von Gesichtsmerkmalen gespeichert werden. Rekognition durchsucht dann die Gesichtssammlung nach optisch ähnlichen Gesichtern im gesamten Video. Rekognition gibt für jedes Gesicht im Video einen Zuverlässigkeitswert aus, sodass Sie in Ihrer Anwendung nur die wahrscheinlichen Treffer anzeigen können. Sicherheits- und Überwachungsanwendungen werden so dabei unterstützt, Personen von besonderem Interesse anhand einer Sammlung von Millionen Gesichtern in Echtzeit zu identifizieren. Dies ermöglicht eine rechtzeitige, präzise Verhinderung von Verbrechen.

F: Was außer der Videoauflösung beeinflusst die Qualität der Video-APIs?

Neben der Videoauflösung spielen die Qualität und der repräsentative Teil der zu durchsuchenden Gesichtssammlungen eine große Rolle. Die Nutzung verschiedener Gesichtsbeispiele pro Person mit verschiedenen Variationen z. B. Bart, Brille, Pose (Profil und Frontal) verbessert die Leistung enorm. In der Regel werden sich sehr schnell fortbewegende Personen sehr schlecht erkannt. Außerdem ist die Qualität bei verschwommenen Bildern geringer.

Erkennung von Persönlichkeiten

F: Was ist die RecognizeCelebrities-API?

Die RecognizeCelebrities-API von Amazon Rekognition ist eine benutzerfreundliche Deep-Learning-basierte API für die Erkennung von prominenten, bemerkenswerten oder auf ihrem Gebiet herausragenden Persönlichkeiten. Die RecognizeCelebrities-API ist für große Datenmengen konzipiert und erkennt Persönlichkeiten aus den verschiedensten Bereichen wie Politik, Sport, Wirtschaft, Entertainment und Medien. Damit ist diese Persönlichkeitserkennung ideal für Amazon-Kunden, die ihre digitalen Bildbibliotheken nach Personen ihres Interesses durchsuchen möchten.

F: Wer kann durch die RecognizeCelebrities-API erkannt werden?

Amazon Rekognition kann nur Persönlichkeiten erkennen, auf die die Deep-Learning-Modelle trainiert wurden. Dabei ist und bezweckt die RecognizeCelebrities-API in keiner Weise, eine Autorität bzw. eine umfassende Liste aller bekannten und berühmten Personen zu sein. Diese Funktion kennt die Daten einer großen Palette an Persönlichkeiten, die nach Anforderungen und Feedback unserer Kunden zusammengestellt wurde. Amazon fügt laufend neue Namen hinzu. Der Fakt aber, dass RecognizeCelebrities nicht alle Personen erkennt, die von anderen Gruppierungen oder unseren Kunden als prominent bezeichnet werden, hat keinerlei Aussagekraft hinsichtlich unserer Meinung zum Berühmtheitsstatus einzelner Personen. Falls Sie gerne weitere Persönlichkeiten in die Liste der von RecognizeCelebrities erkannten Personen aufnehmen würden, senden Sie uns hierzu ihr Feedback.

F: Kann eine durch die RecognizeCelebrities-API erkannte Person verlangen, aus dieser Funktion entfernt zu werden?

Ja. Eine Person, die nicht in dieser Funktion geführt sein will, kann via E-Mail eine entsprechende Anfrage an AWS Customer Support senden. Wir werden die Entfernung sofort betreiben.

F: Welche Quellen mit weiteren Informationen zu einer Persönlichkeit werden unterstützt ?

Die API unterstützt eine optionale Liste mit Quellen, die weitere Informationen zu einer Persönlichkeit bereitstellen. Diese ist Bestandteil der API-Rückgabe. Derzeit stellen wir die IMDB-URL bereit, sofern verfügbar. Weitere Quellen können noch hinzukommen.

F: Inwiefern unterscheidet sich die Persönlichkeitserkennung für die Videoanalyse?

Rekognition Video ermöglicht Ihnen zu erkennen, wann und wo bekannte Persönlichkeiten in einem Video auftauchen. Die Ausgabe mit Zeitstempel zeigt den Namen und die eindeutige Kennung der Persönlichkeit, die Koordinaten des Begrenzungsrahmens, den Zuverlässigkeitswert sowie URLs zu weiteren Inhalten zur betreffenden Person an, beispielsweise den IMDB-Link der Person. Die Persönlichkeit wird auch erkannt, wenn ihr Gesicht im Video teilweise verdeckt wird. Diese Funktion ermöglicht, digitale Videobibliotheken für Anwendungsfälle hinsichtlich spezifischer Marketing- und Medienanforderungen zu indizieren und zu durchsuchen.

F: Was außer der Videoauflösung beeinflusst die Qualität der Rekognition Video-APIs?

Sich sehr schnell bewegende Persönlichkeiten und verschwommene Videoaufnahmen beeinträchtigen möglicherweise die Qualität der Rekognition Video-APIs. Des Weiteren beeinträchtigen starkes Make-up und andere Täuschungsmaßnahmen, zu denen viele Schauspieler greifen, die Qualität.

Text in Image

F: Was ist Text in Image?

Text in Image ist eine Funktion von Amazon Rekognition, mit der Sie Text in Bildern, wie Straßennamen, Bildunterschriften, Produktnamen und Autokennzeichen, ermitteln und erkennen können. Text in Image wurde speziell für Fotografien und weniger für Abbildungen in Dokumenten entwickelt Die DetectText-API von Amazon Rekognition verarbeitet ein Bild und gibt die Textkennung sowie einen Begrenzungsrahmen für jede ermittelte Zeichenkette mit einem Zuverlässigkeitswert aus. In Social Media- und Image Sharing-Anwendungen können Sie beispielsweise eine visuelle Suche basierend auf einem Index an Bildern aktivieren, die dieselben Textkennungen enthalten. In Medien- und Unterhaltungsanwendungen können Sie Text-Metadaten für Videobilder erstellen, um Suchen nach relevanten Inhalten, wie Nachrichten, Sportergebnissen, Werbung und Bildunterschriften, zu unterstützen. In Sicherheits- und Überwachungsanwendungen können Sie Fahrzeuge anhand von Autokennzeichen auf Bildern ermitteln, die mit Körper- oder Verkehrskameras aufgenommen wurden.

F: Welche Textarten unterstützt Amazon Rekognition Text in Image? 

Text in Image wurde speziell für Fotografien und weniger für Abbildungen in Dokumenten entwickelt Die Funktion unterstützt die meisten lateinischen Schriften und Ziffern, die in einer großen Vielzahl von Layouts, Schriftarten und Schriftschnitten integriert. Sie unterstützt zudem Hintergrundobjekte wie Banner oder Plakate, die mit Text in unterschiedlichen Ausrichtungen überlagert sind. Text in Image erkennt bis zu 50 Zeichenfolgen pro Bild und listet diese als Wörter und Zeilen auf. Sie erkennt nur horizontal ausgerichteten Text mit einer Abweichung von +/-30 Grad.

F: Wie kann ich Feedback zu Rekognition geben, um die Texterkennung zu verbessern?

Bitte senden Sie Ihre Anfragen an den AWS-Kundensupport. Amazon Rekognition erweitert basierend auf dem Kundenfeedback fortlaufend die erkannten Typen von Textinhalten.

Videoanalyse

F: Wie funktionieren asynchrone Amazon Rekognition Video-APIs? 

Rekognition Video verarbeitet Videos, die in Amazon S3-Buckets gespeichert sind. Das Entwurfsmuster ist ein asynchroner Satz von Vorgängen. Sie beginnen die Videoanalyse durch den Aufruf eines Start-Vorgangs, z. B. StartLabelDetection. Der Fortschritt der Anforderung wird in einem Thema des Amazon Simple Notification Service veröffentlicht. Zum Abrufen des Fortschritts aus dem Amazon SNS-Thema verwenden Sie eine Amazon Simple Queue Service-Warteschlange oder eine AWS Lambda-Funktion. Sobald Sie den Fortschritt abgerufen haben, rufen Sie einen Get-Vorgang (z. B. GetLabelDetection) auf, um die Ergebnisse der Anforderung abzurufen.

 

F: Was ist die Personenverfolgung? 

Rekognition Video ermöglicht Ihnen, alle Personen innerhalb einer Einstellung und in Videos einstellungsübergreifend zu verfolgen. Rekognition Video entdeckt Personen auch, wenn die Kamera in Bewegung ist, und gibt für jede Person einen Begrenzungsrahmen und das Gesicht sowie die Gesichtsattribute und Zeitstempel zurück. Hinsichtlich Sicherheits- und Überwachungsanwendungen erleichtert und präzisiert dies die Untersuchung und Überwachung von Personen. Hinsichtlich Verkaufsanwendungen ermöglicht dies das Generieren von Customer Insights beispielsweise dazu, wie sich Kunden durch die Gänge eines Geschäfts bewegen oder wie lange sie an der Kasse anstehen.

F: Wie analysiere ich Videos in Echtzeit?

Im Streamingmodus können Sie Gesichter in Echtzeit mit Sammlungen von Millionen Gesichtern abgleichen. Rekognition Video-Gesichtserkennungs-APIs lassen sich standardmäßig in Videostreams von Amazon Kinesis Video Streams einbetten. Hierbei handelt es sich um einen Service, der Entwicklern ermöglicht, Tausende Live-Feeds und zugehörige Metadaten zu übertragen. Hinsichtlich Sicherheitsanwendungen erleichtert und präzisiert dies die Echtzeiterkennung von Personen von besonderem polizeilichen Interesse.

F: Funktioniert Amazon Rekognition Video mit Amazon Kinesis Video Streams? 

Bei der Verarbeitung von Videostreams verwendet Rekognition Video Kinesis Video-Streams als Eingabe. Die Analyseergebnisse werden von Rekognition Video an einen Kinesis-Datenstrom ausgegeben und schlussendlich von der Clientanwendung gelesen. Rekognition Video umfasst einen Streamprozessor, mit dem Sie die Analyse gestreamter Videos starten und steuern können. Weitere Informationen erhalten Sie im Abschnitt Verwendung gestreamter Videos.

Fakturierung

F: Wie zählt Amazon Rekognition die Anzahl der verarbeiteten Bilder?

Bei Verwendung von APIs, die Bilder als Eingaben akzeptieren, zählt Amazon Rekognition die tatsächliche Anzahl der analysierten Bilder als die Anzahl der verarbeiteten Bilder. Zu dieser Kategorie gehören DetectLabels, DetectModerationLabels, DetectFaces, IndexFaces, RecognizeCelebrities und SearchFaceByImage. Bei Verwendung der CompareFaces-API, die zwei Bilder als eine Eingabe erfasst, wird nur das Quellbild als ein verarbeitetes Bild gewertet.

Bei Verwendung von API-Aufrufen, die kein Bild als Eingabeparameter erfordern, zählt Amazon Rekognition jeden API-Aufruf als ein verarbeitetes Bild. Zu dieser Kategorie gehören SearchFaces und ListFaces.

Die restlichen Amazon Rekognition-APIs, also DeleteFaces, CreateCollection, DeleteCollection und ListCollections, werden nicht als verarbeitete Bilder betrachtet.

F: Wie misst Amazon Rekognition die Dauer des verarbeiteten Videomaterials?

Hinsichtlich archivierter Videos misst Amazon Rekognition die Dauer des von der API verarbeiteten Videomaterials in Minuten und berechnet Gebühren entsprechend. Hinsichtlich Livestreamvideos werden Gebühren für jedes fünfsekündige Videosegment berechnet, das verarbeitet wird.

F: Für welche APIs werden von Amazon Rekognition Gebühren berechnet?

Amazon Rekognition Image berechnet Gebühren für die folgenden APIs: DetectLabels, DetectModerationLabels, DetectFaces, IndexFaces, RecognizeCelebrities, SearchFaceByImage, CompareFaces, SearchFaces und ListFaces. Amazon Rekognition Video berechnet Gebühren auf Grundlage der Dauer des von den APIs StartLabelDetection, StartFaceDetection, StartContentModeration, StartPersonTracking, StartCelebrityRecognition, StartFaceSerach und StartStreamProcessor verarbeiteten Videomaterials in Minuten.

F: Wie viel kostet Amazon Rekognition?

Auf der Seite mit den Preisen von Amazon Rekognition finden Sie aktuelle Preisinformationen.

F: Fallen Gebühren für die Merkmalsvektoren an, die ich in meinen Gesichtssammlungen speichere?

Ja. Amazon Rekognition berechnet monatlich 0,01 USD pro 1 000 Gesichtsvektoren. Weitere Informationen finden Sie auf der Seite mit der Preisübersicht.

F: Ist Amazon Rekognition Teil des kostenlosen AWS-Nutzungskontingents?

Ja. Im Rahmen des kostenlosen Nutzungskontingents von AWS können Sie Amazon Rekognition zum Einstieg kostenlos verwenden. Nach der Anmeldung können Amazon Rekognition-Neukunden für die Dauer des ersten Jahres jeden Monat bis zu 5 000 Bilder analysieren lassen. Im Rahmen des kostenlosen Nutzungskontingents können Sie alle Amazon Rekognition-APIs verwenden und bis zu 1 000 Gesichter speichern. Des Weiteren können Amazon Rekognition Video-Kunden im ersten Jahr 1 000 Videominuten pro Monat gratis analysieren.

F: Sind Steuern im Preis enthalten?

Weitere Einzelheiten finden Sie unter Amazon Web Services – Steuerhilfe.

AWS-Integration

F: Funktioniert Amazon Rekognition Video mit Bildern, die auf Amazon S3 gespeichert sind?

Ja. Um mit dem Analysieren von Bildern aus Amazon S3 zu beginnen, verweisen Sie die Amazon Rekognition-API auf Ihren S3-Bucket. Sie müssen die Daten nicht verschieben. Weitere Informationen zur Verwendung von S3-Objekten mit Amazon Rekognition API-Aufrufen finden Sie in der Übung zur Erkennung von Labels.

F: Kann ich Amazon Rekognition mit Bildern verwenden, die in einem Amazon S3-Bucket in einer anderen Region gespeichert sind?

Nein. Bitte stellen Sie sicher, dass sich der Amazon S3-Bucket, den Sie verwenden möchten, in derselben Region wie Ihr Amazon Rekognition-API-Endpunkt befindet.

F: Wie kann ich mit Amazon Rekognition mehrere Bilddateien in einem Stapel verarbeiten?

Sie können Ihre Amazon S3-Bilder in einem Stapel verarbeiten, indem Sie die Schritte aus dem GitHub-Beispiel zur Stapelverarbeitung mit Amazon Rekognition nachvollziehen.

F: Wie kann ich AWS Lambda mit Amazon Rekognition verwenden?

Amazon Rekognition bietet direkten Zugriff auf AWS Lambda und die Integration von Trigger-basierten Funktionen zur Bildanalyse in Ihre AWS-Datenspeicher wie Amazon S3 und Amazon DynamoDB. Wenn Sie Amazon Rekognition mit AWS Lambda verwenden möchten, befolgen Sie diese Schritte und wählen Sie das Amazon Rekognition-Blueprint aus.

Datenschutz

F: Werden Bild- und Videoeingaben, die von Amazon Rekognition verarbeitet werden, gespeichert? Wie werden sie von AWS genutzt?

Amazon Rekognition darf Bild- und Videoeingaben, die vom Service verarbeitet werden, nur in einem Rahmen speichern, der für die Bereitstellung und Aufrechterhaltung des Service erforderlich ist oder die Verbesserung der Qualität von Amazon Rekognition und anderer Amazon-Technologien hinsichtlich Machine Learning/künstliche Intelligenz ermöglicht. Die Verwendung Ihrer Inhalte ist essentiell für die fortlaufende Verbesserung des Kundenerlebnisses von Amazon Rekognition, einschließlich der Entwicklung und des Trainings ähnlicher Technologien. Wir verwenden keine personenbezogenen Daten, die in Ihren Inhalten vorhanden sind, um Produkte, Services oder Marketing auf Sie oder Ihre Endnutzer abzustimmen. Ihr Vertrauen, der Schutz Ihrer Daten und die Sicherheit Ihrer Inhalte sind unser größtes Anliegen, und wir setzen geeignete und innovative technische und physische Kontrollmethoden ein, einschließlich Verschlüsselung im Ruhezustand und während der Übertragung, um unerlaubten Zugriff oder die unerlaubte Veröffentlichung Ihrer Inhalte zu vermeiden und sicherzustellen, dass wir Ihre Daten nur in Übereinstimmung mit unseren Verpflichtungen Ihnen gegenüber verwenden. Weitere Informationen finden Sie unter https://aws.amazon.com/compliance/data-privacy-faq/.

Habe ich die Möglichkeit, von Amazon Rekognition gespeicherte Bild- und Videoeingaben zu löschen?

Ja. Um Bild- und Videoeingaben löschen zu lassen, die Ihrem Konto zugeordnet sind, wenden Sie sich bitte an den AWS-Support. Durch das Löschen von Bild- und Videoeingaben verringert sich möglicherweise die Qualität Ihrer Amazon Rekognition-Erfahrung.

F: Wer hat Zugriff auf Inhalte, die von Amazon Rekognition verarbeitet und gespeichert werden?

Nur berechtigte Mitarbeiter haben Zugriff auf Inhalte, die von Amazon Rekognition verarbeitet und gespeichert werden. Ihr Vertrauen, der Schutz Ihrer Daten und die Sicherheit Ihrer Inhalte sind unser größtes Anliegen, und wir setzen angemessene und innovative technische und physische Kontrollmethoden (einschließlich Verschlüsselung sowohl im Ruhezustand als auch während der Übermittlung) ein, um unerlaubten Zugriff oder die unerlaubte Veröffentlichung Ihrer Inhalte zu vermeiden und sicherzustellen, dass wir Ihre Daten nur in Übereinstimmung mit unseren Verpflichtungen Ihnen gegenüber verwenden. Weitere Informationen finden Sie unter https://aws.amazon.com/compliance/data-privacy-faq/.

F: Bin ich immer noch Eigentümer der Inhalte, die von Amazon Rekognition verarbeitet und gespeichert werden?

Sie sind immer Eigentümer Ihrer Inhalte. Wir verwenden sie lediglich mit Ihrer Zustimmung.

F: Werden die Inhalte, die von Amazon Rekognition verarbeitet werden, aus der AWS-Region, in der ich Amazon Rekognition verwende, in andere verschoben?

Jegliche von Amazon Rekognition verarbeiteten Inhalte werden in der AWS-Region, in der Sie Amazon Rekognition verwenden, verschlüsselt und im Ruhezustand gespeichert. Ein Teil der von Amazon Rekognition verarbeiteten Inhalte werden möglicherweise im Rahmen der fortlaufenden Verbesserung des Kundenerlebnisses von Amazon Rekognition und anderen Amazon-Technologien hinsichtlich Machine Learning/künstliche Intelligenz in einer anderen AWS-Region gespeichert. Um Bild- und Videoeingaben löschen zu lassen, die Ihrem Konto zugeordnet sind, wenden Sie sich bitte an den AWS-Support. Ihr Vertrauen, der Schutz Ihrer Daten und die Sicherheit Ihrer Inhalte sind unser größtes Anliegen, und wir setzen angemessene und innovative technische und physische Kontrollmethoden (einschließlich Verschlüsselung sowohl im Ruhezustand als auch während der Übermittlung) ein, um unerlaubten Zugriff oder die unerlaubte Veröffentlichung Ihrer Inhalte zu vermeiden und sicherzustellen, dass wir Ihre Daten nur in Übereinstimmung mit unseren Verpflichtungen Ihnen gegenüber verwenden. Weitere Informationen finden Sie unter https://aws.amazon.com/compliance/data-privacy-faq/.

F: Kann ich Amazon Rekognition zusammen mit Websites, Programmen oder anderen Anwendungen verwenden, die sich an Kinder unter 13 Jahren richten und dem Children’s Online Privacy Protection Act (COPPA) unterliegen?

Ja, entsprechend der Konformität mit den Amazon Rekognition-Nutzungsbedingungen, einschließlich Ihrer Verpflichtung, alle erforderlichen Hinweise bereitzustellen und alle erforderlichen überprüfbaren elterlichen Freigaben unter dem COPPA zu erhalten, können Sie Amazon Rekognition zusammen mit Websites, Programmen oder anderen Anwendungen verwenden, die sich ganz oder teilweise an Kinder unter 13 Jahren richten.

F: Wie ermittle ich, ob meine Website, mein Programm oder meine Anwendung dem COPPA unterliegt?

Informationen zu den Anforderung des COPPA und Hinweise, um zu ermitteln, ob Ihre Website, Ihr Programm oder Ihre Anwendung dem COPPA unterliegt, finden Sie direkt in den von der United States Federal Trade Commission bereitgestellten und verwalteten Ressourcen. Diese Website enthält außerdem Informationen, um zu ermitteln, ob sich ein Service ganz oder teilweise an Kinder unter 13 Jahre richtet.

Zugriffssteuerung

F: Wie kann ich den Zugriff auf Amazon Rekognition steuern?

Amazon Rekognition ist in AWS Identity and Access Management (IAM) integriert. Mithilfe der IAM-Richtlinien für AWS kann sichergestellt werden, dass nur autorisierte Benutzer Zugriff auf Amazon Rekognition-APIs haben. Weitere Informationen finden Sie auf der Seite zur Authentifizierung und Zugriffssteuerung in Amazon Rekognition.

Weitere Informationen zu den Amazon Rekognition-Preisen

Zur Seite mit den Preisen
Bereit zum Entwickeln?
Erste Schritte mit AWS Rekognition
Haben Sie Fragen?
Kontakt