はじめに

Amazon Rekognition カスタムラベルを使用すれば、ビジネスニーズに合わせた画像の物体やシーンを特定できます。たとえば、ソーシャルメディアの記事から自社のロゴを検索したり、店頭で商品を特定したり、アセンブリラインで機械部品を分類したり、健康な植物と病気に感染した植物とを区別したり、動画のアニメーションキャラクターを検出したりできます。

画像分析のためのカスタムモデルの開発は、取得に時間がかかる専門知識やリソースを必要とする重要な取り組みであり、多くの場合完了までに数か月かかります。さらに、多くの場合、モデルが正確な判断を下すことができるようなデータを提供するには、人間がラベル付けした画像が数千または数万必要です。このデータを収集するのに数か月かかることもあり、機械学習で使用するためにはラベル付けの人員を多数用意する必要があります。

Amazon Rekognition カスタムラベルで、手間のかかる仕事を当社がオフロードします。Rekognition カスタムラベルは、多くのカテゴリにわたる数千万の画像を用いてトレーニング済みである Rekognition の既存の機能を基に構築されています。数千の画像ではなく、ユースケースに合わせた少量のトレーニング画像セット (通常は数百枚以下) を、使いやすいコンソールにアップロードするだけです。既に画像にラベル付けがされている場合、Rekognition では数回クリックするだけでトレーニングを開始できます。ラベル付けがされていない場合は、Rekognition のラベル付けインターフェイス内で直接ラベル付けをするか、Amazon SageMaker Ground Truth を使用してラベル付けができます。Rekognition が画像セットからトレーニングを開始すると、わずか数時間でカスタム画像分析モデルを作成できます。その裏では、Rekognition カスタムラベルが自動的にトレーニングデータを読み込んで検証し、適切な機械学習アルゴリズムを選択して、モデルのトレーニングを行い、モデルパフォーマンスメトリクスを提供します。その後、Rekognition カスタムラベル API 経由でカスタムモデルを使用できるようになり、それをアプリケーションに統合できます。

導入事例

ブランド普及率を正確に測定する

マーケティング代理店では、クライアントのブランド普及率をさまざまなメディアで正確に伝える必要があります。通常は、ソーシャルメディアの画像、番組、スポーツビデオを人間が見て、クライアントのロゴや製品が映っているか追跡します。Amazon Rekognition Custom Labels では、クライアントのロゴや製品の検知に特にトレーニングされたカスタムモデルを作成することができます。従来のように手間を掛けてソーシャルメディアに手動で対応する代わりに、カスタムモデルを通じて画像や動画フレームを処理することによってインプレッション数を特定することが可能です。

シンジケーションのコンテンツ発掘

コンテンツの作成者は通常、ショーの制作に使用する、関連性のあるコンテンツを見つけるために、膨大な量の画像や動画を検索しなければなりません。例えば、スポーツ番組を制作しているなら、提携事業者のための試合、チーム、選手についてハイライトを集める必要がよくあります。アーカイブから手動で集める場合、数時間もの時間がかかることがあります。ジャージやナンバーによってチームや選手を識別するように、またはゴールやペナルティ、怪我など試合中に頻繁に発生するイベントを識別するようにカスタムモデルをトレーニングすると、映像の主題にマッチする画像や動画の関連性の高いリストをすばやく構成することができます。

運用効率を向上

農業系の企業では、箱詰めの前に収穫量の評価をする必要があります。例えば、トマト生産者であれば、まだ青いものから完熟した赤いものまで 6 種類の完熟度グループに手動でトマトを分類し、それに応じて賞味期限を最大にできるように箱詰めをします。カスタムモデルをトレーニングすれば、トマトを手作業で個別にチェックする代わりに、完熟度基準に基づいてトマトを分類することが可能です。カスタムモデルを製造システムと統合することでトマトを自動的に分類し、それに合わせた箱詰めを行うことができるのです。

主な特徴

データのラベル付けを単純化

The Rekognition Custom Labels コンソールは、画像のラベル付けを高速、シンプルにするためのビジュアルインターフェイスを提供します。このインターフェイスでは、画像全体にラベルを適用したり、シンプルなクリック & ドラッグのインターフェイスで境界ボックスを使用することで、特定のオブジェクトを識別してラベル付けしたりすることができます。

Simplify-data-labeling

または、大規模なデータセットがある場合、Amazon SageMaker Ground Truth を使うことにより大規模な画像のラベル付けを効率的に行うこともできます。

自動化された機械学習

カスタムモデルの構築に機械学習の専門的技術は不要です。Rekognition Custom Labels には、ユーザーのために機械学習を使いやすくする AutoML 機能が含まれています。トレーニング画像が提供されると、Rekognition Custom Labels は自動的にデータを読み込んで検知し、適切な機械学習アルゴリズムを選択して、モデルのトレーニングを行い、モデルパフォーマンスメトリクスを提供することができます。

評価、推論、フィードバックをシンプルに

テストセットのカスタムモデルパフォーマンスを評価モデル予測対割り当てられたラベルの対象比較を、テストセットの全画像で見ることができます。また、精密/呼び出しメトリクス、F 値、信頼性スコアといった詳細なパフォーマンスメトリクスを閲覧することも可能です。画像分析のモデルをただちに使い始めることも、さらに多くの画像を反復、再トレーニングしてパフォーマンスを改善することもできます。モデルの使用を開始すると、予測の追跡、間違いの修正、フィードバックデータを利用した新しいモデルバージョンの再トレーニングとパフォーマンス改善が行われます。

お客様の導入事例

シンジケートされたコンテンツを作成
nfl
「今日のメディア環境では、組織が管理する非構造化コンテンツのボリュームが指数関数的に増えます。従来のツールを使用すると、ユーザーが探している特定の要素を見つけるために、数千のメディアアセットを検索するのが困難になる場合があります。Amazon Rekognition の新機能であるカスタムラベルを使用することで、ビジネスの特定のユースケースに合わせたメタデータタグを自動的に生成し、コンテンツ作成チームに検索可能なファセットを提供できます。これにより、コンテンツの検索の速度が向上し、さらに重要なことに、以前は手作業が必要だった要素に自動的にタグを付けることができます。これらのツールにより、制作チームはこのデータを直接活用し、すべてのメディアプラットフォームにわたってお客様にさらに強化した製品を提供できます。」

Brad Boim 氏、シニアダイレクター、ポストプロダクション・アセット管理担当、NFL Media

マーケティングパフォーマンスを加速
5582_600x400_Vidmob_Logo
Amazon Rekognition Custom Labels を導入することで、マーケター側では Agile Creative Studio の高度な機能を実装し、広告内で扱いたい特定の製品 (カスタムラベル) を、大規模に、かつ数分以内に構築、トレーニングすることができます。Amazon Rekognition の VidMob 統合により、顧客側では従来よくあるオブジェクトの識別をすることができましたが、このカスタムラベル用新機能ではプラットフォームを全てのビジネスのターゲットに合わせることができます。クリエイティブパフォーマンスを 150% 向上、そして *ヒューマンアナリスト *にかかる時間を 30% 削減することで、VidMobs の Agile Creative Studio を利用したクリエイティブパフォーマンスの測定能力を適応的に拡大します。」

Alex Collmer 氏、VidMob、CEO

Amazon Rekognition Custom Labels の使用を今すぐ開始する

開発者ガイドを参照する
構築の準備はできましたか?
AWS Rekognition の開始方法
ご不明な点がおありですか?
お問い合わせ