Amazon Rekognition 自訂標籤

為什麼選擇 Amazon Rekognition 自訂標籤?

藉由 Amazon Rekognition 自訂標籤,您可以識別出影像中特定於您業務需求的物件和場景。例如,您可以在社交群媒張貼上找到標誌、識別商店貨架上的產品、對裝配線中的機器零件進行分類,區分健康植物和受感染植物,或偵側影片中的動畫人物。

開發自訂模型來分析影像是一項重要的工作,需要時間、專業知識和資源,且通常需要數月才能完成。此外,通常需要數十萬張具有手動標記的影像,才能為模型提供足夠的資料以準確地做出決策。產生這些資料可能需要花費數月的時間,並且需要龐大的標記者團隊,來為將其用於機器學習做準備。

透過 Amazon Rekognition 自訂標籤,我們可以為您處理繁重的工作。Rekognition 自訂標籤基於 Rekognition 現有功能建置而成,該功能已在多種類別數千萬張影像上進行訓練。您只需將少量針對您的使用案例的訓練影像集 (通常為幾百張影像或更少) 上傳至我們易於使用的主控台中,而不是成千上萬張影像。如果您的影像已作標記,則只需點按幾下,Rekognition 即可開始訓練。如果沒有,則可在 Rekognition 的標籤界面中直接為其新增標籤,或者使用 Amazon SageMaker Ground Truth 為您新增標籤。Rekognition 開始對您的影像集進行訓練後,短短幾個小時就能為您產生自訂影像分析模型。在後台,Rekognition 自訂標籤會自動載入並檢查訓練資料,選擇適當的機器學習演算法,訓練模型,以及提供模型效能指標。然後,您可以透過 Rekognition 自訂標籤 API 使用自訂模型,並將其整合至您的應用程式中。

使用案例

功能

客戶

  • 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。

    NFL Media 後期製作和資產管理資深總監 Brad Boim
  • VidMob

    隨著 Amazon Rekognition 自訂標籤的推出,行銷人員將能使用 Agile Creative Studio 中的進階功能,這讓他們能夠在幾分鐘內,大規模建置並訓練他們在廣告中關注的特定產品 (自訂標籤)。過去,透過將 VidMob 與 Amazon Rekognition 整合,客戶可以識別常用的物件,而現在,自訂標籤的新功能讓我們的平台能夠更進一步地針對每項業務。透過提升 150% 的廣告效果以及減少 30% 的*人類分析師*時間,這會適應性地擴展他們使用 VidMob 的 Agile Creative Studio 量測廣告效果的能力。

    VidMob 執行長 Alex Collmer
  • Prodege

    Prodege 是一個資料驅動型行銷和消費者洞察平台,由消費者品牌 (Swagbucks、MyPoints、Tada、ySense、InboxDollars、InboxPounds、DailyRewards 和 Upromise) 以及面向行銷人員和研究人員的免費商業解決方案套件組成。

    Prodege 使用 Amazon Rekognition 自訂標籤來偵測商店收據中的異常狀況。透過使用 Amazon Rekognition 自訂標籤,Prodege 可以在我們尊貴的會員上傳的商店收據影像中以高精準度偵測異常狀況,作為我們獎勵計劃產品的一部分。Amazon Rekognition 自訂標籤的最佳部分是它易於設定,並且只需要一小組預先分類的影像 (在我們的案例中是幾百個) 來訓練 ML 模型以進行高可信度的影像偵測。您可以使用 API 輕鬆存取模型的端點。Amazon Rekognition 自訂標籤是一種極其有效的解決方案,可讓我們經過驗證的收據掃描產品順利運作,並協助我們節省了執行手動偵測的大量時間和資源。我非常感謝 AWS Support 團隊,他們在整個旅程中在產品的各個方面竭力為我們提供協助。

    Prodege, LLC 商業智慧總監 Arun Gupta

影片教學

使用 Simple Storage Service (Amazon S3) 中的影像建立 Rekognition 自訂標籤資料集 (7:18)
訓練 Rekognition 自訂標籤模型 (5:31)
評估 Rekognition 自訂標籤模型
部署並使用 Rekognition 自訂標籤模型進行推論