Introduzione
Con Amazon Rekognition Custom Labels puoi identificare oggetti e sequenze video nelle immagini in base alle tue esigenze aziendali. Per esempio, puoi trovare il tuo logo aziendale nei post pubblicati sui social media, identificare i tuoi prodotti sugli scaffali dei negozi, classificare componenti meccanici nella tua linea di montaggio, distinguere piante sane da piante infette, oppure individuare personaggi animati nei video.
Lo sviluppo di un modello su misura per l’analisi delle immagini richiede grandi competenze e risorse e spesso il completamento richiede molti mesi. Inoltre, il più delle volte sono necessarie migliaia o decine di migliaia di immagini di prodotti etichettati a mano affinché il modello disponga di una quantità di dati sufficiente per prendere decisioni in modo accurato. La raccolta di tali dati può durare mesi e necessitare di team con numerosi addetti all’etichettatura che lavorino per preparare i dati al machine learning.
Con Amazon Rekognition Custom Labels siamo noi a fare il grosso del lavoro al posto tuo. Rekognition Custom Labels è costruito sulle capacità esistenti di Rekognition, già addestrate sulla base di decine di milioni di immagini in moltissime categorie. Non dovrai caricare migliaia di immagini, ma soltanto una piccola quantità di immagini di addestramento (solitamente qualche centinaia o meno) specifiche per il tuo caso d’uso all’interno della nostra console facile da usare. Se le tue immagini sono già etichettate, Rekognition può iniziare l’addestramento in pochi clic. In caso contrario, puoi apporre l’etichetta direttamente con l’interfaccia di etichettatura di Rekognition, oppure utilizzare Amazon SageMaker Ground Truth che le etichetterà al posto tuo. Non appena Rekognition inizia l’addestramento dalla serie di immagini che hai fornito, nel giro di poche ore sarà in grado di produrre un modello di analisi delle immagini ad hoc. Dietro le quinte, Rekognition Custom Labels carica e ispeziona in modo automatico le immagini di apprendimento, seleziona gli algoritmi di machine learning corretti, addestra un modello e fornisce parametri prestazionali del modello. Potrai utilizzare il modello creato su misura per te tramite API di Rekognition Custom Labels e integrarlo nelle tue applicazioni.
Casi d'uso
Misurazione accurata della copertura del marchio
Le agenzie di marketing devono riportare accuratamente le informazioni in merito alla copertura del marchio dei propri clienti nei vari media. In genere tracciano manualmente loghi e prodotti dei loro clienti che compaiono nelle immagini pubblicate sui social media, nelle trasmissioni televisive e nei video sportivi. Grazie ad Amazon Rekognition Custom Labels, le agenzie possono creare un modello su misura per il cliente addestrato per rilevare loghi e prodotti specificamente di un singolo cliente. In questo modo possono elaborare immagini e fotogrammi video manualmente attraverso il modello ad hoc e trovare il numero di impression sui media tradizionali e sui social media senza dover ricorrere a faticosi sforzi manuali.
Trova contenuti da condividere
In genere, i produttori di contenuti devono passare in rassegna migliaia di immagini e video per trovare il contenuto rilevante che vogliono utilizzare per produrre show. Ad esempio, un emittente di sport ha spesso necessità di montare filmati che contengono i momenti clou di una partita, immagini relative a una squadra o a certi giocatori per conto di società affiliate, e il montaggio manuale dei filmati estratti dagli archivi può richiedere molte ore. Addestrando modelli ad hoc che identificano le squadre e i giocatori dalla maglietta e dal numero, nonché i momenti salienti di una partita quali goal, calci di rigore e infortuni, è possibile sviluppare rapidamente una lista di immagini e spezzoni video relativi al tema del filmato.
Migliora l'efficienza operativa
Le aziende agricole hanno necessità di valutare la qualità del prodotto prima di confezionarlo. Ad esempio, un produttore di pomodori può classificare manualmente i suoi prodotti in 6 categorie in base al grado di maturazione, da verde a rosso, e confezionarli di conseguenza al fine di assicurare la massima conservabilità. Anziché esaminare manualmente ogni pomodoro però, potrebbe addestrare un modello ad hoc in grado di classificare gli ortaggi sulla base di criteri di maturazione. Inoltre, se il modello viene integrato nei sistemi di produzione, questi ultimi saranno in grado di smistare automaticamente i pomodori, confezionandoli in modo adeguato.
Caratteristiche principali
Semplifica l’etichettatura dei dati
La console di Rekognition Custom Labels dispone di un’interfaccia grafica che rende facile e semplice l’etichettatura delle tue immagini. L’interfaccia ti consente di applicare un’etichetta all’intera immagine per identificare ed etichettare oggetti specifici all’interno di immagini utilizzando rettangoli di selezione con una semplice interfaccia clic-e-trascina”.
In alternativa, se hai a disposizione grandi quantità di dati, puoi utilizzare Amazon SageMaker Ground Truth per etichettare in modo efficiente le tue immagini in scala.
Machine learning automatizzato
Non serve alcuna competenza nel machine learning per creare il tuo modello ad hoc. Rekognition Custom Labels include funzionalità AutoML che si occupano delle attività di machine learning al posto tuo. Una volta fornite le immagini di addestramento, Rekognition Custom Labels carica e ispeziona automaticamente i dati, seleziona gli algoritmi di machine learning corretti, addestra un modello e fornisce i parametri prestazionali del modello.
Valutazione del modello semplificata, inferenza e feedback
Valuta le prestazioni del tuo modello personalizzato sul tuo set di test. Per ogni immagine presente nel test set puoi visualizzare il confronto in parallelo tra l’anteprima del modello e l’etichetta assegnata. Inoltre hai modo di visionare i parametri prestazionali nel dettaglio, come ad esempio parametri di precisione/riconoscimento, f-score e punteggio di affidabilità. Puoi iniziare a utilizzare il tuo modello immediatamente per l’analisi di immagini o iterare e riaddestrare nuove versioni con più immagini al fine di migliorare le prestazioni. Dopo aver cominciato a utilizzare il tuo modello, puoi tracciare stime, correggere eventuali errori e utilizzare i dati relativi ai feedback per riaddestrare nuove versioni del modello e migliorare le prestazioni.
Storie di successo
Creazione di contenuto da pubblicare
"Nel mondo multimediale di oggi, il volume dei contenuti non strutturati gestito dalle organizzazioni sta aumentando esponenzialmente. Se utilizzano gli strumenti tradizionali, gli utenti possono trovare difficoltà a individuare l'elemento che cercano durante la ricerca attraverso i migliaia di asset multimediali. Utilizzando le nuove caratteristiche di Amazon Rekognition Custom Labels, possiamo generare automaticamente i tag dei metadati creati appositamente per dei casi d'uso specifici in base alla nostra azienda e fornire facet individuabili per i team che si occupano di creare contenuti. Questo migliora significativamente la velocità con la quale cerchiamo i contenuti e soprattutto ci permette di automatizzare l'applicazione di tag degli elementi, che prima avveniva manualmente. Questi strumenti permettono ai nostri team di produzione di sfruttare questi dati in modo diretto e di fornire prodotti migliorati ai clienti su tutte le nostre piattaforme multimediali."
Brad Boim, Senior Director, Post Production & Asset Management presso NFL Media
Incrementare le prestazioni del marketing
"Con l’introduzione del servizio Amazon Rekognition Custom Labels, gli operatori di mercato avranno a disposizione funzionalità avanzate all’interno del nostro Agile Creative Studio che consentiranno loro di costruire e addestrare i prodotti specifici (etichette personalizzate) di cui si occuperanno nelle loro inserzioni, su vasta scala e nel giro di pochi minuti. Con l’integrazione di VidMob di Amazon Rekognition, i clienti sono da sempre in grado di identificare oggetti comuni, ma ora, grazie alla nuova capacità delle etichette personalizzate, la nostra piattaforma sarà ancora più mirata per ogni tipo di impresa. Con un aumento pari al 150% nelle prestazioni creative e una riduzione del 30% del tempo di lavoro degli *analisti umani*, aumenterà di conseguenza la loro capacità di misurare le prestazioni creative utilizzando Agile Creative Studio di VidMob."
Alex Collmer, CEO, VidMob
Rilevare le anomalie negli scontrini
Prodege è una piattaforma di informazioni dettagliate orientata ai dati su marketing e consumatori composta da consumer brand (Swagbucks, MyPoints, Tada, ySense, InboxDollars, InboxPounds, DailyRewards e Upromise) insieme a una serie di soluzioni business per agenti e ricercatori di mercato.
"Proedge utilizza il servizio Amazon Rekognition Custom Labels per rilevare le anomalie negli scontrini. Utilizzando il servizio Amazon Rekognition Custom Labels, Prodege è stato in grado di rilevare le anomalie con un alto livello di precisione nelle immagini di scontrini caricate dai nostro membri valutati come parte dell'offerta del programma di ricompense. La parte migliore del servizio Amazon Rekognition Custom Labels è che è facile da impostare e ha bisogno solo di un piccolo set di immagini preclassificate (circa duecento nel nostro caso) per addestrare il modello di machine learning ad acquisire un alto livello di dimestichezza con il rilevamento di immagini. L'endpoint del modello è facilmente accessibile con l'API. Il servizio Amazon Rekognition Custom Labels si è rivelato una soluzione estremamente efficace per consentire un funzionamento omogeneo del prodotto di scansione delle ricevute convalidate, e ha consentito di risparmiare molto tempo e risorse nel rilevamento manuale. Sarebbe riduttivo un semplice ringraziamento al team AWS Support che ci ha fornito diligentemente assistenza su tutti gli aspetti del prodotto durante il nostro percorso."
Arun Gupta, Director, Business Intelligence - Prodege, LLC
Video tutorial
Inizia a usare Amazon Rekognition Custom Labels