Amazon Rekognition

透過機器學習技術自動化影像和影片分析程序。

Amazon Rekognition 採用經過驗證、高度可擴展的深度學習技術,讓您可輕鬆地在應用程式中加入影像和影片分析,而無需使用任何機器學習專業知識。透過 Amazon Rekognition,您可識別影像和影片中的各種物體、人物、文字、場景和活動,也可以偵測任何不當的內容。Amazon Rekognition 還提供了高度準確的臉部分析和臉部搜尋功能,可用於偵測、分析和比較臉部資料,以進行各種使用者驗證、人數統計和公共安全使用案例。

藉由 Amazon Rekognition 自訂標籤,您可以識別出影像中專屬於您業務需求的物體和場景。例如,您可以建立模型來對裝配線上的特定機器零件進行分類或偵測運作狀態不佳的工廠。Amazon Rekognition 自訂標籤為您減輕了模型開發的繁重負擔,因此您不需具備機器學習的相關經驗。您只需要提供待識別的物體或場景的影像,然後此服務將會處理其餘部分。

客戶

National Football League
Marinus Analytics
National Geographic
Orbit Showtime Network
SmugMug
Sky News

主要功能

物體、場景和活動偵測

標籤

Amazon Rekognition 可讓您識別數千種物體 (如腳踏車、電話、建築物) 和場景 (如停車場、海灘、城市)。分析影片時,您還可以識別特定的活動,如「送包裹」或「踢足球」。

物體、場景和活動偵測

自訂標籤 (即將推出)

透過 Amazon Rekognition 自訂標籤,您可以擴展 Amazon Rekognition 的偵測功能,以從影像中擷取對您的業務特別實用的資訊。例如,您可以在社群媒體上找到公司標誌、識別商店貨架上的產品、對裝配線中的機器零件進行分類,或偵側影片中的動畫人物。

不安全內容偵測

內容審核

Amazon Rekognition 可協助您識別影像和影片資產中可能不安全或不當的內容,並提供詳細的標籤,讓您根據自己的需求準確控制所允許的內容。

 

臉部分析

文字偵測

照片中的文字和列印頁面上的簡潔單詞看起來完全不同。Amazon Rekognition 可讀取歪斜和變形的文字,從中擷取出如商店名稱、路牌和產品包裝上的文字等資訊。

臉部分析

臉部偵測與分析

透過 Amazon Rekognition,您可以輕鬆地偵測出臉部何時出現在影像和影片中,並取得如性別、年齡範圍、眼睛是否睜開、戴眼鏡、留鬍子的屬性。您還可以在影片中測量這些臉部屬性隨著時間變化的情形,如建立演員情感表達的時間軸。

 

臉部辨識

臉部搜尋和驗證

Amazon Rekognition 提供了快速且準確的搜尋功能,可讓您使用自己的私有臉部影像儲存庫來識別相片或影片中的人物。您亦可比對儲存用於比較的影像來分析臉部影像,以驗證其身分。

 

 

名人辨識

名人辨識

您可以快速識別影片庫和影像庫中的名人,將影片和相片分門別類以用於行銷、廣告和媒體產業使用案例。

 

路徑

路徑

使用 Amazon Rekognition 搭配影片檔案,可擷取場景中人們的移動路徑。例如,您可以透過運動員在比賽中的動作,找出可用於賽後分析的比賽。

 

使用案例

使內容可搜尋

Amazon Rekognition 可自動從影像和影片檔案中擷取中繼資料,以擷取物體、人臉、文字等。此中繼資料可用於輕鬆搜尋含有關鍵字的影像和影片,或尋找合適的資產以進行內容整合。    

標記不當內容

透過 Amazon Rekognition,您可以自動標記影像和影片中不適當的內容,例如裸露、暴力畫面或武器。使用傳回的詳細中繼資料,您可以根據被視為適合使用者文化和人口統計的內容來建立自己的規則。

啟用數位身分驗證

使用 Amazon Rekognition,您可以針對自動付款和其他身份驗證案例建立可擴展的身份驗證工作流程。Amazon Rekognition 可將照片或自拍照與身分證明文件 (如駕駛執照) 進行比較,輕鬆地針對選擇加入的使用者執行臉部驗證。

快速回應公共安全挑戰

Amazon Rekognition 可讓您建立在影像和影片中協尋失蹤人口的應用程式。在您提供的失蹤人口資料庫搜尋其臉部資料,可正確標記可能相符的臉孔並加速救援行動。

識別產品、地標和品牌

應用程式開發人員可以使用 Amazon Rekognition 自訂標籤來識別社群媒體和照片應用程式中的特定項目。例如,您可以培訓自訂模型以識別城市中的著名地標,之後僅需拍照即可為遊客提供有關其歷史、營業時間和門票價格的資訊。

分析購物者模式

透過 Amazon Rekognition,您可以研究每個人依循的路徑來分析零售商店中購物者的行為和密度。使用臉部分析功能,您也可以了解平均年齡範圍、性別分佈和人們表達出的情感,而無需識別其身分。

客戶成功案例

nfl
「在現今的媒體環境中,組織管理的非結構化內容數量呈現持續暴增成長。若使用傳統型工具,使用者可能難以在成千上萬的媒體資產中進行搜尋,以找到他們正在尋找的特定元素。而使用 Amazon Rekognition 中的新功能『自訂標籤』,我們便能針對業務特定使用案例自動產生量身打造的中繼資料標籤,並為我們的內容建立團隊提供可搜尋的面向。這顯著提升了我們搜尋內容的速度,更重要的是,這使我們能夠自動標記之前需要手動操作的元素。這些工具使我們的生產團隊可直接利用這些資料,並對我們所有的媒體平台中的客戶提供增強的產品。」

Brad Boim,NFL Media 後期製作和資產管理資深總監


osn-logo-600x400

OSN 是歐洲、中東和北非 (MENA) 的娛樂網路龍頭,擁有在該區域中 25 個國家/地區播放的權利。OSN 擁有 150 多個頻道,並與各大製片商建立長期合作夥伴關係,包括 Disney、HBO、NBC Universal、Fox、Paramount、MGM、Sony 和 DreamWorks,打造出無可匹敵的獨家節目製作範圍。

「使用 AWS 的 AI 服務 Amazon Rekognition 和 Amazon Transcribe 來自動化我們內容的中繼資料標記程序,我們將管理員需要人工審查的素材減少了三分之一以上,進而加速了我們的媒體供應鏈,並以前所未有的速度為觀眾提供各種豐富的內容。」

Dave Mace,OSN 數位和雲端服務主管


influential-600x400

Influential 是一個採用 AI 技術的核心影響者市集。Influential 利用 AI 和機器學習技術透過可行的見解和預測性情報來推薦影響者,進而消除識別影響者的痛苦點。

「除了內部 AI/ML 演算法外,我們還與第三方密切合作,使我們的資料集更加豐富,進而使尋找影響者來源的過程更加便利。Amazon Rekognition 物體和場景偵測功能使我們能夠根據影響者所發布的媒體及其社群媒體內容,順利地將影響者劃分入特定的行業和主題。透過將搜尋功能擴展到文字以外的內容,我們可對品牌符合分數進行更充分的培訓,與 Rekognition 簡單易用的標記和標籤結合使用時,可將使用者查詢的點擊率提升 200% 以上。」

Piotr Tomasik,Influential 首席技術官


marinus-analytics-600x400

Marinus Analytics 為執法部門提供了以人工智慧為基礎的工具,可將大數據轉化為可行的情報。Marinus 的旗艦軟體 Traffic Jam 是一套由執法機構用於性販運調查的工具。

「執法需要具備複雜的工具,才能在網際網路時代促進以受害者為導向的治安工作。執法部門明白失蹤兒童是最有可能被販運的人口。在使用 Amazon Rekognition 之前,他們唯一的辦法是手動篩選線上資料,以嘗試找到這些兒童;這是一件不僅曠日費時,甚至不可能成功的任務。現在,Traffic Jam 的 FaceSearch 採用了 Amazon Rekognition 技術,透過此功能,調查人員可以在幾秒鐘內搜尋數百萬條記錄來找出受害者,以便迅速採取有效的行動。」

Emily Kennedy,Marinus Analytics 執行長暨創始人


aella-credit-600x400

Aella Credit 利用生物識別、雇主和行動電話等資料,向新興市場中具有可驗證收入來源的個人提供快速貸款。

「身分驗證和確認一直是新興市場的主要挑戰。正確識別使用者的能力是為新興市場數十億人建立信用時主要面臨的阻礙。在我們的行動應用程式上使用 Amazon Rekognition 進行身分驗證,可以大幅減少驗證錯誤,並讓我們有擴展的空間。我們現在可以即時偵測和驗證個人身分,無須任何人為介入,因此可以更快地存取我們的產品。我們嘗試了多種透過廣告大力宣傳的解決方案,但沒有一種主流替代方案可以準確地繪製各種膚色。Amazon Rekognition 協助我們有效地識別市場中的客戶臉孔。同時還協助我們使用 KYC 來探索重疊的輪廓和重複的資料集。」

Wale Akanbi,Aella Credit 首席技術官兼共同創辦人

進一步了解 Amazon Rekognition

瀏覽功能頁面
準備好開始建立?
開始使用 Amazon Rekognition
還有其他問題嗎?
聯絡我們
需要報告濫用嗎?
前往此處