Amazon Rekognition Custom Labels

Agências de marketing precisam de um relatório preciso sobre a visibilidade da marca de clientes em várias mídias. Normalmente, isso é feito monitorando manualmente o uso de logotipos e produtos de clientes em imagens de mídias sociais, transmissões e vídeos esportivos. Com o Amazon Rekognition Custom Labels, as agências podem criar um modelo personalizado treinado especificamente para detectar logotipos e produtos de clientes. Em vez de tentar assumir a tarefa meticulosa de monitorar mídias sociais e tradicionais manualmente, elas podem processar imagens e quadros de vídeos usando o modelo personalizado e chegar ao número de impressões.

Produtores de conteúdo geralmente precisam pesquisar milhares de imagens e vídeos para encontrar conteúdos relevantes que podem ser usados na produção. Por exemplo, uma emissora esportiva precisa encontrar informações de destaque sobre jogos, times e jogadores para suas afiliadas, uma coleta que pode levar horas se for feita manualmente em arquivos. Os modelos personalizados podem ser treinados para identificar times e jogadores pela camisa e número ou coletar informações comuns como número de gols marcados, pênaltis e faltas. Assim, é possível desenvolver rapidamente uma lista relevante de imagens e clipes que correspondem ao tema do vídeo.

Empresas de agricultura precisam classificar a qualidade dos produtos antes de embalá-los. Por exemplo, um produtor de tomate pode classificar manualmente e embalar os tomates de acordo com seis categorias de nível de maturação, de verde a vermelho, para garantir a maior tempo de prateleira. Em vez de examinar manualmente cada tomate, o produtor pode treinar um modelo personalizado para classificá-los de acordo com os critérios de maturação. Ao integrar o modelo com os sistemas de produção, os tomates são classificados automaticamente e embalados seguindo esses critérios.

O console do Rekognition Custom Labels conta com uma interface visual que torna a rotulagem de dados rápida e simples. A interface permite aplicar um rótulo a toda a imagem ou identificar e rotular objetos específicos em imagens por meio de divisórias que podem ser criadas usando uma interface simples de clicar e arrastar.

Como alternativa, caso seu conjunto de dados seja muito grande, é possível usar o Amazon SageMaker Ground Truth para rotular as imagens em grandes escalas e de maneira eficiente.

Não é necessário ter experiência com machine learning para criar um modelo personalizado. O Rekognition Custom Labels inclui recursos de AutoML que cuidam do machine learning para você. Depois de receber as imagens de treinamento, o Rekognition Custom Labels carrega e inspeciona automaticamente os dados, seleciona os algoritmos corretos de machine learning, treina um modelo e apresenta as métricas de performance do modelo.

Avalie a performance do modelo personalizado usando seu conjunto-teste. Para cada imagem do conjunto-teste, você verá uma comparação lado a lado da predição do modelo e do rótulo atribuído. Também é possível analisar métricas detalhadas de performance, como métricas de precisão/revocação, f-score e taxas de confiança. Você pode começar a usar seu modelo imediatamente para analisar imagens ou iterar e retreinar novas versões com mais imagens para melhorar a performance. Depois de começar a usar o modelo, monitore suas predições, corrija erros e use os dados de feedback para retreinar novas versões do modelo e melhorar a performance.