投稿日: Nov 16, 2021
Amazon Rekognition のコンテンツモデレーションは深層学習に基づき、不適切、迷惑、または不快な画像や動画を検出できるサービスで、コンテンツの検索と削除をより簡単かつ大規模に行えるようになります。Amazon Rekognition は、35 のサブカテゴリーと 10 の異なるトップレベルのモデレーションカテゴリーの詳細な分類を提供しています。本日より、Amazon Rekognition のコンテンツ修正機能において、画像修正のモデルが改良されており、すべての修正カテゴリの誤検知率が大幅に減少しています。特に露骨なヌードについて、非常に危険なコンテンツの検知率は高い水準を保っています。誤検出率が低下したので、追加の検討を要する画像の量を削減でき、手作業の効率を向上し、コスト削減に結びつきます。
現在、一部の企業は、ユーザーからの苦情を受けつけ不快または不適切な画像、広告、動画をただただ削除している一方で、多くの企業がサードパーティのコンテンツやユーザーが生成したコンテンツのレビューに、モデレーターとして多くの人員を雇用しています。しかし、人間のモデレーターだけでは、これらのニーズに十分な品質やスピードで応えることはできず、ユーザーエクスペリエンスの低下や、規模の拡大を実現するための高いコスト、さらにはブランドの評判の低下を招く可能性があります。Amazon Rekognition のコンテンツモデレーションでは、機械学習を用いてモデレーションのワークフローを効率化することができます。完全に管理されたモデレーション API を使用することで、何百万もの画像や何千ものビデオを素早くレビューし、ごく一部のアセットにのみフラグを立てて、さらなるアクションを起こすことができます。これにより、ビジネスの規模が大きくなっても、すべてのコンテンツに対して包括的かつ費用対効果の高いモデレーションを行うことができ、大量のコンテンツを見てモデレーションの可能性を検討することによる従業員の負担を軽減することができます。以下は、Flipboard 社が Amazon Rekognition を画像コンテンツのモデレーションにどのように使用しているかについての引用です。
Flipboard は、パブリッシャーやクリエイター、キュレーターが読者とストーリーを共有し、彼らの情熱や関心に応えるためのコンテンツレコメンデーションプラットフォームです。Flipboard では、1 日平均約 9,000 万枚の画像を処理しています。安全で包括的な環境を維持し、すべての画像がプラットフォームのガイドラインに準拠していることを大規模に確認するためには、機械学習を用いたコンテンツモデレーションのワークフローを導入することが重要です。このシステムのモデルを社内で構築するには、手間がかかる上に、Flipboard ユーザーが求める高い品質基準を満たすための精度に欠けていました。ここで、Amazon Rekognition が私たちの製品に適したソリューションとなったのです。Amazon Rekognition は、精度が高く、簡単に導入でき、パフォーマンスに優れたコンテンツモデレーションプラットフォームであり、強固なモデレーション分類法を提供します。Amazon Rekognition をワークフローに導入してから、1 日あたり約 63K の基準に違反する画像をキャッチしています。 さらに、今回のコンテンツモデレーションモデルの更新のような頻繁な改善により、Rekognition が Flipboard をユーザーにとってより包括的で安全な環境にしてくれると確信しています。 - Anuj Ahooja, Sr.エンジニアリングマネージャー、Flipboard
Amazon Rekognition による画像のコンテンツ修正の精度が向上し、サポートされているすべての AWS リージョンで利用できるようになりました。まずは、Amazon Rekognition Console で最新バージョンをお試しください。Amazon Rekognitionのコンテンツモデレーションの詳細については、機能に関するドキュメントを参照してください。