P: O que é Amazon Rekognition?

Amazon Rekognition é um serviço de reconhecimento de imagem totalmente gerenciado com recursos de deep learning. O Amazon Rekognition, criado pelas equipes de Visão Computacional da Amazon ao longo de vários anos, já analisa bilhões de imagens por dia. Sua API de fácil utilização detecta milhares de objetos e cenas, analisa faces, compara duas faces para medir a semelhança e verifica as faces de uma coleção. Com o Amazon Rekognition, fica fácil construir aplicações que fazem busca com base no conteúdo visual de imagens, analisar atributos faciais para identificar dados demográficos, implementar verificação facial segura e muito mais. O Amazon Rekognition foi construído para analisar imagens em escala e se integrar perfeitamente com Amazon S3, AWS Lambda e outros serviços da AWS.

P: O que é deep learning?

Deep learning é um subcampo de Machine Learning e um ramo importante da inteligência artificial. O objetivo é fazer inferências de abstrações de alto nível com base em dados brutos usando um gráfico profundo com diversas layers de processamento compostas de múltiplas transformações lineares e não lineares. O deep learning é vagamente baseado em modelos cerebrais de processamento de informações e comunicações. O deep learning substitui os recursos manuais por outros aprendidos com grandes quantidades de dados anotados. O aprendizado ocorre ao estimar iterativamente centenas de milhares de parâmetros no gráfico profundo com algoritmos eficientes.

Várias arquiteturas de deep learning, como redes neurais convolucionais profundas e redes neurais recorrentes foram aplicadas a visão computacional, reconhecimento de fala, processamento de linguagem natural e reconhecimento de áudio para produzir resultados de ponta em várias tarefas.

O Amazon Rekognition faz parte da família de serviços de inteligência artificial da Amazon (Amazon AI). Os serviços do Amazon AI usam deep learning para entender imagens, transformar texto em fala natural e construir interfaces intuitivas de texto e fala em conversas.

P: Preciso de experiência em deep learning para usar o Amazon Rekognition?

Não. Com o Amazon Rekognition, você não precisa construir manter nem atualizar pipelines de deep learning.

Para conquistar resultados precisos em tarefas complexas de Computer Vision, como detecção de objetos e cenas, análise facial e reconhecimento facial, os sistemas de deep learning precisam estar devidamente ajustados e treinados com quantidades maciças de dados reais devidamente marcados. Obter, limpar e rotular dados com precisão é uma tarefa demorada e cara. Além disso, treinar uma rede neural profunda é caro em termos computacionais e muitas vezes exige hardware personalizado construído com GPUs (unidades de processamento gráfico).

O Amazon Rekognition é totalmente gerenciado e vem pré-treinado para tarefas de reconhecimento de imagem, de forma que você não precise investir seu tempo e seus recursos na criação de um pipeline de deep learning. O Amazon Rekognition continua a melhorar a precisão de seus modelos ao se basear nas pesquisas mais recentes e obter novos dados de treinamento. Isso lhe permite se concentrar em projeto e desenvolvimento de aplicações de alto valor.

P: Como faço para começar a usar o Amazon Rekognition?

Se você ainda não tiver se cadastrado no Amazon Rekognition, pode clicar no botão "Experimentar o Amazon Rekognition", na página do Amazon Rekognition, e concluir o processo de inscrição. Você precisa ter uma conta no Amazon Web Services; se ainda não tiver, verá um aviso para criar uma durante o processo de cadastro. Depois de se cadastrar, experimente o Amazon Rekognition com suas próprias imagens usando o Console de Gerenciamento do Amazon Rekognition ou baixe os SDKs do Amazon Rekognition para começar a criar suas próprias aplicações. Consulte nosso Guia de conceitos básicos, onde está o passo a passo para obter mais informações.

P. Quais as APIs oferecidas pelo Amazon Rekognition?
O Amazon Rekognition oferece APIs para detectar objetos e cenas, detectar e analisar faces, comparar e buscar faces semelhantes em uma coleção de faces e gerenciar recursos. Para obter mais detalhes, consulte a Referência de API do Amazon Rekognition.

P: Que formatos de imagem são compatíveis com o Amazon Rekognition?

O Amazon Rekognition atualmente é compatível com os formatos de imagem JPEG e PNG. Você pode enviar imagens como objeto do S3 ou como array de byte.

P: Quais tamanhos de arquivo posso usar com o Amazon Rekognition?

O Amazon Rekognition é compatível com arquivos de imagem de até 15 MB quando passados como objeto do S3 e até 5 MB quando enviados como array de byte de imagem.

P: Como a resolução da imagem afeta a qualidade dos resultados?

O Amazon Rekognition funciona em uma ampla série de resoluções de imagem. Para obter melhores resultados, recomendamos usar resolução VGA (640x480) ou superior. Uma qualidade inferior a QVGA (320x240) pode aumentar as chances de faces, objetos ou conteúdo impróprio passarem despercebidos, embora o Amazon Rekognition aceite imagens de pelo menos 80 pixels nas duas dimensões.

P. Qual o menor tamanho possível para um objeto ser detectado e analisado pelo Amazon Rekognition?

Via de regra, verifique se o menor objeto ou face presente na imagem tem pelo menos 5% do tamanho (em pixels) da dimensão mais curta da imagem. Por exemplo: se você estiver trabalhando com uma imagem 1600x900, a menor face ou objeto deverá ter pelo menos 45 pixels em qualquer dimensão.

P: Em quais regiões da AWS o Amazon Rekognition está disponível?

No momento, o Amazon Rekognition está disponível nas regiões Leste dos EUA (Norte da Virgínia), Oeste dos EUA (Oregon), UE (Irlanda), AWS GovCloud (US) e Ásia-Pacífico (Tóquio).


P: O que é rótulo?

Rótulo é um objeto, uma cena ou um conceito encontrados dentro de uma imagem, tomando por base seu conteúdo. Por exemplo, uma foto de pessoas em uma praia tropical pode conter rótulos como ‘Pessoa’, ‘Água’, ‘Areia’, ‘Palmeira’ e ‘Roupa de banho’ (objetos), ‘Praia’ (cena) e ‘Vida ao ar livre’ (conceito).

P: O que é pontuação de confiança e como faço para usá-la?

A pontuação de confiança é um número entre 0 e 100 que indica a probabilidade de determinada predição estar correta. No exemplo da praia tropical, se o processo de detecção de objeto e cena apresentar uma pontuação de confiança de 9 para o rótulo 'Água' e 35 para o rótulo ‘Palmeira’, é mais provável que a imagem contenha água, mas não uma palmeira.

Aplicações muito sensíveis a erros de detecção (falso-positivos) devem descartar os resultados associados às pontuações de confiança abaixo de determinado limite. O limite ideal depende da aplicação. Em muitos casos, a melhor experiência será ao definir valores de confiança mínimos mais elevados que o valor padrão.

P: O que é detecção de objeto e cena? 

Detecção de objeto e cena é o processo de analisar uma imagem para atribuir rótulos com base no conteúdo visual. O Amazon Rekognition faz isso pela API DetectLabels. Essa API lhe permite identificar automaticamente milhares de objetos, cenas e conceitos, apresentando uma pontuação de confiança para cada rótulo. DetectLabels usa um limite de confiança padrão de 50. A detecção de objeto e cena é ideal para os clientes que querem organizar e fazer buscas em grandes bibliotecas de imagem, inclusive em aplicações voltadas para consumidor e estilo de vida que dependem de conteúdo gerado pelo usuário e empresas de publicidade digital que procuram melhorar os algoritmos de direcionamento.

P: Que tipos de rótulos são compatíveis com o Amazon Rekognition?

O Rekognition é compatível com milhares de rótulos pertencentes a categorias como:

  • Pessoas e eventos: ‘Casamento’, ‘Noiva’, ‘Bebê’, ‘Bolo de aniversário’, ‘Guitarrista’, etc.
  • Alimentos e bebidas: ‘Maçã’, ‘Sanduíche’, ‘Vinho’, ‘Bolo’, ‘Pizza’, etc.
  • Natureza e vida ao ar livre: ‘Praia’, ‘Montanhas’, ‘Lago’, ‘Pôr do sol’, ‘Arco-íris’, etc.
  • Animais e bichinhos de estimação: ‘Cachorro’, ‘Gato’, ‘Cavalo’, ‘Tigre’, ‘Tartaruga’, etc.
  • Casa e jardim: ‘Cama’, ‘Mesa’, ‘Quintal’, ‘Candelabro’, ‘Quarto’, etc.
  • Esportes e lazer: ‘Golfe’, ‘Basquete’, ‘Hóquei’, ‘Tênis’, ‘Hiking’, etc.
  • Plantas e flores: ‘Rosa’, ‘Tulipa’, ‘Palmeira’, ‘Floresta’, ‘Bambu’, etc.
  • Arte e entretenimento: ‘Escultura’, ‘Pintura’, ‘Guitarra’, ‘Balé’, ‘Mosaico’, etc.
  • Transporte e veículos: ‘Avião’, ‘Carro’, ‘Bicicleta’, ‘Motocicleta’, ‘Caminhão’, etc.
  • Eletrônico: ‘Computador’, ‘Celular’, ‘Câmera de vídeo’, ‘TV’, ‘Fones de ouvido’, etc.

P. Não consigo encontrar o rótulo de que preciso. Como faço para requisitar um novo rótulo?

Envie-nos suas solicitações via Atendimento ao Cliente da AWS. O Amazon Rekognition expande continuamente seu catálogo de rótulos com base no feedback dos clientes.


P: O que é Image Moderation?

A Image Moderation do Amazon Rekognition é uma API baseada em aprendizado profundo fácil de usar para a detecção de conteúdo adulto explícito ou sugestivo em imagens. Os desenvolvedores podem usar este metadado adicional para filtrar conteúdo impróprio com base nas suas necessidades empresariais. Além de sinalizar uma imagem com base na presença de conteúdo adulto, a Image Moderation também retorna uma lista hierárquica de rótulos com pontuações de confiança. Esses rótulos indicam categorias específicas de conteúdo adulto, o que disponibiliza um maior controle granular para que os desenvolvedores possam filtrar e gerenciar grandes volumes de UGC (User generated content – Conteúdo gerado pelo usuário). Esta API pode ser usada em fluxos de trabalho de moderação para aplicações, como sites de relacionamentos e redes sociais, plataformas de compartilhamento de fotos, blogs e fóruns, aplicações para crianças, websites de comércio eletrônico, entretenimento e serviços de anúncios online.

P: Quais tipos de conteúdo adulto explícito e sugestivo o Amazon Rekognition detecta?

O Amazon Rekognition detecta os seguintes tipos de conteúdo adulto explícito e sugestivo em imagens:

  • Nudez explícita
    • Nudez
    • Nudez masculina gráfica
    • Nudez feminina gráfica
    • Atividade sexual
    • Nudez parcial
  • Sugestivo 
    • Mulheres usando trajes de banho ou roupas íntimas
    • Homens usando trajes de banho ou roupas íntimas
    • Roupas ousadas

A API Image Moderation do Amazon Rekognition retorna uma hierarquia de rótulos, como também uma pontuação de confiança para cada rótulo detectado. Por exemplo, ao obter uma imagem imprópria, o Rekognition poderá retornar a classificação de "Nudez explícita" com uma pontuação de confiança como um rótulo de nível superior. Os desenvolvedores poderão usar isso para sinalizar o conteúdo. Na mesma resposta, o Rekognition também retornará um segundo nível de granularidade ao disponibilizar contexto adicional, como a classificação de "Nudez masculina gráfica" com sua própria pontuação de confiança. Os desenvolvedores poderão usar estas informações para criar uma lógica de filtragem mais complexa.

Observe que a API Image Moderation não é uma autoridade no que se refere a, e sob nenhuma circunstância afima ser um filtro exaustivo de, conteúdo adulto explícito ou sugestivo. Além disso, a API Image Moderation não detecta se uma imagem inclui conteúdo ilegal (como pornografia infantil) ou conteúdo adulto anormal.

P: A API Image Moderation do Amazon Rekognition pode detectar outro conteúdo impróprio além de conteúdo adulto explícito e sugestivo?

No momento, o Rekognition só aceita os rótulos que descrevemos acima. Trabalharemos continuamente para adicionar e melhorar os rótulos com base no feedback dos nossos clientes.

Se você precisar que outros tipos de conteúdo impróprio sejam detectados em imagens, entre em contato conosco usando o processo de feedback descrito mais adiante nesta seção.

P: Como posso garantir que o Rekognition atenderá ao meu caso de uso de moderação de imagens?

Os modelos de moderação de imagens do Rekognition foram ajustados e testados extensivamente, mas recomendamos que você calcule a exatidão do serviço nos seus próprios dados para regular a performance.

Você pode usar o parâmetro "MinConfidence" nas solicitações de API para equilibrar a detecção do conteúdo (lembrar) em contraponto com a exatidão da detecção (precisão). Se você reduzir o parâmetro "MinConfidence", provavelmente detectará a maior parte do conteúdo impróprio, mas também possivelmente sinalizará conteúdo que não seja nem explícito nem sugestivo. Caso aumente o parâmetro "MinConfidence", provavelmente garantirá que todo o conteúdo detectado será de fato explícito ou sugestivo, mas possivelmente algumas imagens impróprias não serão sinalizadas. Consulte a documentação aqui para obter exemplos sobre como usar o parâmetro "MinConfidence".

No caso de o Rekognition falhar na detecção de conteúdo adulto em imagens, entre em contato conosco usando o processo de feedback descrito abaixo.

P: Como posso enviar feedback ao Rekognition para melhorar sua moderação?

Envie para a gente as suas solicitações por meio do Atendimento ao cliente da AWS. O Amazon Rekognition expande continuamente os tipos de conteúdo impróprio detectados com base no feedback do cliente. Geralmente, o tempo necessário para adicionar novos tipos de conteúdo adulto explícito ou sugestivo varia entre 6 e 8 semanas. Observe que conteúdo ilegal (como pornografia infantil) não será aceito durante este processo.


P: O que é análise facial?

Análise facial é o processo de detecção de uma face dentro de uma imagem e de extração dos atributos relevantes dela. A API DetectFaces do Amazon Rekognition pega uma imagem e retorna a caixa limitadora (bounding box) para cada face detectada, junto com atributos como sexo, presença de óculos escuros e pontos de referência facial. Você pode usar a análise facial para analisar dados demográficos e sentimentos do cliente, ou usar caixas limitadoras das faces detectadas para mais processamento.

P: Quais atributos faciais posso obter com o Amazon Rekognition?

O Amazon Rekognition apresenta os atributos faciais a seguir para cada face detectada, junto com uma caixa limitadora e uma pontuação de confiança para cada atributo:

  • Sexo
  • Sorriso
  • Emoções
  • Óculos
  • Óculos escuros
  • Olhos abertos
  • Boca aberta
  • Bigode
  • Barba
  • Pose
  • Qualidade
  • Pontos de referência faciais

P. O que é pose facial?

Pose facial refere-se à rotação de uma face detectada nos eixos lateral, vertical e longitudinal. Cada um desses parâmetros é apresentado como ângulo entre -180 e +180 graus. A pose facial pode ser usada para encontrar a orientação do polígono limitador da face (ao contrário de uma caixa limitadora retangular) para medir deformação, rastrear faces com precisão e muito mais.

P. O que é qualidade da face?

Qualidade da face descreve a qualidade da imagem de face detectada usando dois parâmetros: nitidez e brilho. Os dois parâmetros são apresentados como valores entre 0 e 1. Você pode aplicar um limite a esses parâmetros para filtrar faces bem iluminadas e nítidas. Isso é útil para aplicações que se beneficiam de imagens faciais de alta qualidade, como comparação facial e reconhecimento facial.

P: O que são pontos de referência facial?

Pontos de referência facial são um conjunto de pontos salientes no geral localizados em cantos, pontas ou pontos médios dos principais componentes faciais, como olhos, nariz e boca. A API DetectFaces do Amazon Rekognition apresenta uma série de pontos de referência faciais que podem ser usados para cortar faces, transformar uma face em outra, sobrepor máscaras personalizadas para criar filtros personalizados e muito mais.

P: Quantas faces posso detectar em uma imagem?

Você pode detectar até 100 faces em uma imagem usando o Amazon Rekognition.


O que é comparação de faces?

Comparação de faces é o processo de comparar uma face com uma ou mais faces para medir a semelhança. Usando a API CompareFaces, o Amazon Rekognition lhe permite medir a probabilidade de as faces em duas imagens serem da mesma pessoa. A API compara uma face na imagem de origem a cada face detectada na imagem de destino e apresenta uma pontuação de semelhança para cada comparação. São também apresentadas uma caixa limitadora e uma pontuação de confiança para cada face detectada. É possível usar a comparação facial para verificar a identidade da pessoa com relação à foto pessoal em arquivo quase em tempo real.

P: Posso usar uma imagem de origem com mais de uma face?

Sim. Se a imagem contiver várias faces, o CompareFaces detectará a maior e a usará para compará-la a cada face detectada na imagem de destino.

P: Com quantas faces posso fazer a comparação?

Você pode comparar uma face na imagem de origem com até 100 faces detectadas na imagem de destino.


P: O que é reconhecimento facial?  

Reconhecimento facial é o processo de identificar ou verificar a identidade de uma pessoa ao buscar sua face em uma coleção de faces. O Amazon Rekognition permite adicionar o reconhecimento facial às aplicações usando as APIs SearchFaces e SearchFacesByImage. Usando o reconhecimento facial, fica fácil criar aplicações de autenticação multifator para pagamentos bancários, entrada automatizada no edifício para funcionários e muito mais.

P: O que é coleção de faces e como faço para criar uma?

A coleção de faces é um índice pesquisável de vetores de características faciais. A propriedade e o gerenciamento desse índice são seus. Usando a API CreateCollection, é possível criar facilmente uma coleção em uma região suportada da AWS e retornar como Nome de recurso da Amazon (ARN). Cada coleção de faces tem uma CollectionId exclusiva associada.

P: Como faço para adicionar ou excluir faces de uma coleção?

Para adicionar uma face a uma coleção existente, use a API IndexFaces. Essa API aceita uma imagem na forma de objeto do S3 ou array de byte de imagem e adiciona uma representação vetorial das faces detectadas para a coleção de faces. A IndexFaces também apresenta uma FaceId exclusiva e uma caixa limitadora facial para cada uma das faces adicionadas.

Para excluir uma face de uma coleção de faces existente, use a API DeleteFaces. Essa API funciona com a coleção de faces fornecida (usando uma CollectionId) e remove as entradas correspondentes à lista de FaceIds. Para obter mais informações sobre como adicionar ou excluir faces, consulte o exemplo Gerenciamento de coleções.

P. Como faço para buscar uma face dentro de uma coleção de faces?

Depois de criar uma coleção de faces indexada, é possível buscar uma face dentro dela usando ou uma imagem (SearchFaceByImage) ou um FaceId (SearchFaces). Essas APIs pegam uma face inserida e apresentam um conjunto de faces correspondentes, ordenadas por pontuação de semelhança, com a maior semelhança primeiro. Para obter mais detalhes, consulte nosso exemplo Buscando faces.

P: O Amazon Rekognition usa os dados armazenados em uma coleção de faces?

Não. O Amazon Rekognition não pode acessar nem usar dados armazenados em uma coleção de faces sem sua permissão. Você tem propriedade total dos seus dados.

P: O que é e como funciona o versionamento de modelos de face?
O Amazon Rekognition usa modelos de aprendizado profundo para executar detecção e reconhecimento de faces. Continuamos a aprimorar a precisão de nossos modelos com base no feedback dos clientes e nos mais recentes avanços das pesquisas. Esses aprimoramentos são fornecidos aos clientes na forma de atualizações de modelos de face. Quando você cria uma nova coleção, o Amazon Rekognition usa automaticamente a versão mais recente do modelo de face nessa coleção. As coleções existentes continuam a usar a versão do modelo com a qual foram criadas. Os vetores faciais armazenados não são atualizados automaticamente para a nova versão.

As diferentes versões do modelo podem ser incompatíveis entre si. Especificamente, se a mesma imagem for indexada em diversas coleções usando versões diferentes do modelo, os identificadores faciais das mesmas faces detectadas serão diferentes. Se uma imagem for indexada em diversas coleções associadas ao mesmo modelo, os identificadores faciais serão os mesmos.

P: Como posso saber qual o modelo de face que estou usando?
Você pode acompanhar a versão do modelo de face usada em uma coleção por meio do campo FaceModelVersion retornado por qualquer uma das APIs que operam em coleções de faces.

P: Como posso mudar as coleções atuais para a versão de modelo de face mais recente?
Para usar o modelo mais recente com as faces armazenadas em uma coleção atual, crie uma nova coleção usando CreateCollection e reindexe o conjunto original de imagens de origem para dentro da nova coleção por meio de IndexFaces. Será necessário atualizar todos os identificadores faciais armazenados pelo aplicativo, pois os identificadores faciais da nova coleção poderão ser distintos dos existentes na coleção atual. Se não precisar mais da coleção anterior, você poderá excluí-la usando DeleteCollection.


P: O que é o Text in Image?

O Text in Image é um recurso do Amazon Rekognition que permite detectar e reconhecer texto em uma imagem, como nomes de ruas, legendas, nomes de produtos e placas de licenciamento de veículos. O recurso Text in Image foi criado especificamente para processar imagens do mundo real, em vez de imagens de documentos. A API DetectText do Amazon Rekognition processa uma imagem e retorna o rótulo de texto e uma caixa delimitadora para cada string de caracteres detectada, juntamente com uma pontuação de confiabilidade. Por exemplo, em aplicativos de compartilhamento de imagens e mídia social, é possível habilitar uma pesquisa visual baseada em um índice de imagens que contêm os mesmos rótulos de texto. Em aplicativos de mídia e entretenimento, você pode criar metadados de texto para quadros de vídeo a fim de oferecer suporte a pesquisas por conteúdo relevante, como notícias, resultados esportivos, comerciais e legendas. Em aplicativos de segurança e vigilância, é possível identificar veículos com base nos números de placa de licenciamento de imagens capturadas por câmeras corporais ou de trânsito.

P: Para quais os tipos de texto o Text in Image do Amazon Rekognition oferece suporte?

O recurso Text in Image foi criado especificamente para processar imagens do mundo real, em vez de imagens de documentos. Esse recurso oferece suporte à maioria dos caracteres e números latinos incorporados em uma grande variedade de layouts, fontes e estilos, e sobrepostos em objetos no plano de fundo em diversas orientações como faixas e cartazes. O Text in Image reconhece até 50 sequências de caracteres por imagem e as lista como palavras e linhas. Além disso, o Text in Image reconhece apenas texto horizontal com orientação entre -30 e +30 graus.

 

P: Como posso enviar feedback ao Rekognition para melhorar o reconhecimento de texto?


Envie suas solicitações pelo atendimento ao cliente da AWS. O Amazon Rekognition amplia continuamente os tipos de conteúdo de texto detectados com base no feedback do cliente.

P: O que é o Celebrity Recognition?

O recurso Celebrity Recognition do Amazon Rekognition é uma API fácil de usar, baseada em aprendizado profundo, para a detecção e o reconhecimento de indivíduos famosos, relevantes ou proeminentes em seus campos de atuação. A API RecognizeCelebrities foi criada para operar em grande escala e reconhecer celebridades de várias categorias, como política, esportes, negócios, entretenimento e mídia. Nosso recurso Celebrity Recognition é ideal para clientes que precisam indexar e pesquisar por celebridades em suas bibliotecas de imagens com base em seus interesses específicos.

P: Quem pode ser identificado pela API do Celebrity Recognition?

O Amazon Rekognition só pode identificar celebridades que os modelos de aprendizado profundo tiverem sido treinados para reconhecer. Observe que a API RecognizeCelebrities não é uma profunda conhecedora de, tampouco alega ser, uma imensa lista de celebridades. O recurso foi criado para incluir o máximo de celebridades possível, com base nas necessidades e no feedback dos nossos clientes. Estamos constantemente adicionando novos nomes, mas o fato de o Celebrity Recognition não reconhecer indivíduos que possam ser considerados proeminentes por qualquer outro grupo ou pelos nossos clientes não é um reflexo da nossa opinião a respeito do status de celebridade mantido por essas pessoas. Se você quiser ver outras celebridades identificadas pelo Celebrity Recognition, envie o seu feedback para a gente.

P: Uma celebridade identificada por meio da API do Amazon Rekognition pode solicitar sua remoção do recurso?

Sim. Se uma celebridade desejar ser removida do recurso, ela poderá enviar um e-mail para o Atendimento ao cliente da AWS e nós processaremos a solicitação de remoção.

P: Quais recursos são aceitos para disponibilizar informações adicionais sobre uma celebridade?

A API aceita uma lista opcional de fontes para a disponibilização de informações adicionais sobre a celebridade como parte da resposta da API. No momento, disponibilizamos o URL do IMDB, quando há um disponível para a celebridade em questão. Existe a possibilidade de adicionarmos outras fontes posteriormente.


P: Como o Amazon Rekognition conta o número de imagens processadas?

Para APIs que aceitam imagem como entradas, o Amazon Rekognition conta o número real de imagens analisadas como sendo o número de imagens processadas. DetectLabels, DetectModerationLabels, DetectFaces, IndexFaces, RecognizeCelebrities e SearchFaceByImage se encaixam nessa categoria. Para a API CompareFaces, na qual duas imagens constituem uma entrada, somente a imagem de origem é contada como unidade das imagens processadas.

Para chamadas de API que não precisam de imagem como parâmetro de entrada, o Amazon Rekognition conta cada chamada de API como uma imagem processada. SearchFaces e ListFaces se encaixam nessa categoria.

As outras APIs de reconhecimento do Amazon Rekognition – DeleteFaces, CreateCollection, DeleteCollection e ListCollections – não fazem conta das imagens processadas.

P. Por quais APIs o Amazon Rekognition cobra?

O Amazon Rekognition cobra pelas seguintes APIs: DetectLabels, DetectModerationLabels, DetectFaces, IndexFaces, RecognizeCelebrities, SearchFaceByImage, CompareFaces, SearchFaces e ListFaces.

P. Quanto custa o Amazon Rekognition?

Veja a Página de definição de preço do Amazon Rekognition para conhecer as informações de definição de preço atuais.

P. Haverá cobrança pelos vetores de funcionalidades que eu armazenar nas minhas coleções de faces?

Sim. O Amazon Rekognition cobra USD 0,01 por 1.000 vetores de face por mês. Para obter mais detalhes, veja a página de definição de preço.

P. O Amazon Rekognition participa do nível gratuito da AWS?

Sim. Como parte do nível de uso gratuito da AWS, você pode dar os primeiros passos gratuitamente com o Amazon Rekognition. Ao se cadastrarem, novos clientes do Amazon Rekognition podem analisar até 5.000 imagens gratuitamente a cada mês, durante os primeiros 12 meses. Você pode usar todas as APIs do Amazon Rekognition com esse nível gratuito e armazenar até 1.000 faces sem cobrança alguma.

P: Os preços incluem impostos?

Para obter detalhes fiscais, veja Ajuda com impostos do Amazon Web Services.


P: O Amazon Rekognition funciona com imagens armazenadas no Amazon S3?

Sim. Você pode começar a analisar as imagens armazenadas no Amazon S3 simplesmente ao apontar a API do Amazon Rekognition para o bucket do S3. Não é necessário mover seus dados. Para obter mais detalhes sobre como usar objetos do S3 com chamadas da API do Amazon Rekognition, veja nosso exercício de detecção de rótulos.

P: Posso usar o Amazon Rekognition com imagens armazenadas em um bucket Amazon S3 em outra região?

Não. Verifique se o bucket Amazon S3 que deseja usar está na mesma região que o endpoint da API do Amazon Rekognition.  

P: Como faço para processar múltiplos arquivos de imagem em lote usando o Amazon Rekognition?

Você pode processar as imagens do Amazon S3 em lote usando as etapas descritas no nosso exemplo de processamento em lote do Amazon Rekognition no GitHub.

P: Como posso usar o AWS Lambda com o Amazon Rekognition?

O Amazon Rekognition fornece acesso perfeito ao AWS Lambda e lhe permite levar a análise de imagem baseada em trigger aos datastores da AWS, como Amazon S3 e Amazon DynamoDB. Para usar o Amazon Rekognition com o AWS Lambda, siga as etapas descritas aqui e selecione o blueprint do Amazon Rekognition.


P: O Amazon Rekognition armazena as imagens que enviei para análise?

Não, não a menos que você nos forneça permissão para tal. As APIs do Amazon Rekognition não armazenam as imagens enviadas para análise. Para coleções de faces, o Amazon Rekognition só armazena representações de face como metadados de face na forma de vetores de características, e não como recortes de imagem de face identificáveis. Observe que as imagens enviadas via AWS Support para resolução de problemas podem ser armazenadas e usadas para fins de treinamento, conforme descrito ao enviar tais imagens.

P: O Amazon Rekognition usa as imagens enviadas para fins de treinamento?

Não, não a menos que você nos forneça permissão para tal. Se você quiser compartilhar seus datasets de imagem e fornecer permissões de treinamento ao Amazon Rekognition, entre em contato com o Atendimento ao Cliente da AWS para obter mais detalhes.

P: Tenho de fornecer algum dado do treinamento ao Amazon Rekognition?

Não. O Amazon Rekognition vem pré-treinado para detectar milhares de rótulos, detectar faces sob diversas condições e com capacidade de representar uma face mediante um conjunto compacto de vetores de características. Você não precisa fornecer nenhum dado do treinamento nem personalizar nenhuma configuração de modelo. O Amazon Rekognition continua a melhorar os modelos e regularmente aumentar seu catálogo de rótulos.


P: Como faço para controlar o acesso do usuário ao Amazon Rekognition?

O Amazon Rekognition é integrado ao AWS Identity and Access Management (IAM). As políticas do AWS IAM podem ser usadas de forma que somente os usuários autorizados tenham acesso às APIs do Amazon Rekognition. Para obter mais detalhes, veja a página Autenticação e controle de acesso ao Amazon Rekognition.