Amazon Rekognition 現在已正式上市

免費試用 Amazon Rekognition
或者,請登入主控台

Amazon Rekognition 的新客戶註冊以後,前 12 個月可每月分析 5,000 個影像,並存放高達 1,000 份人臉中繼資料。

查看 AWS 免費方案詳細資訊 »


問:什麼是 Amazon Rekognition?

Amazon Rekognition 是全受管的影像辨識服務,由深度學習技術支援。Amazon Rekognition 是 Amazon Computer Vision 團隊多年努力建置的成果,每日分析數十億個影像。Amazon Rekognition 擁有容易使用的 API,可偵測數千個物件和場景、分析臉孔、比對兩張臉孔以測量相似度,以及在眾多人臉中驗證特定臉孔。您可以利用 Amazon Rekognition 輕鬆建置應用程式以達成多種功能,例如依據影像的視覺內容進行搜尋、分析臉部屬性以找出特定人口、執行安全臉部驗證等等。Amazon Rekognition 可分析大量影像,並和 Amazon S3、AWS Lambda 及其他 AWS 服務無縫整合。

問:什麼是深度學習?

深度學習是機器學習的子領域,也是人工智慧的重要分支。深度學習的目標是透過深度圖和由多個線性與非線性轉換組成的處理層,從原始資料推斷出高階的抽象概念。深度學習大致上是依據人腦處理資訊和進行溝通的模式為基礎。深度學習取代了手動操作的功能,轉而從非常大量的註釋資料中學習。系統會透過高效的演算法反覆估算深度圖中數十萬個參數進行學習。

深度卷積神經網路 (CNN) 以及遞歸神經網路等數種深度學習架構,都已經應用在電腦視覺、語音辨識、自然語言處理、音頻辨識領域,在多種任務中獲得尖端成果。

Amazon Rekognition 屬於 Amazon 人工智慧系列服務。Amazon 人工智慧服務利用深度學習理解影像、將文字轉成維妙維肖的語音,以及建構直覺易用的對話式文字和語言介面。

問:是否必須具備深度學習的專業知識才能使用 Amazon Rekognition?

否。使用 Amazon Rekognition 後便不必建置、維護或升級深度學習管道。

為了讓複雜的電腦視覺任務 (例如物件和場景偵測、臉部分析、臉部辨識) 獲得準確的結果,深度學習系統必須進行適當的調校,同時利用大量有標籤的基本事實資料進行訓練。取得資料、清理資料,以及正確地標記資料,都是耗時且成本高昂的任務。此外,訓練深度神經網路的運算成本極高,而且通常必須使用圖形處理器 (GPU) 建置自訂硬體。

Amazon Rekognition 是全受管的服務,已預先完成影像辨識的訓練,所以您不必再花費時間和資源建立深度學習管道。Amazon Rekognition 會利用最新的研究成果以及新取得的訓練資料,持續提高模型的準確性。因此,您只須專注於進行高價值的應用程式設計與開發。

問:如何開始使用 Amazon Rekognition?

若您尚未註冊 Amazon Rekognition,請按一下 Amazon Rekognition 頁面上的「試用 Amazon Rekognition」按鈕,完成註冊程序。您必須擁有 Amazon Web Services 帳戶;若您尚未擁有帳戶,註冊過程中會提示您建立一個帳戶。註冊完成後,請透過 Amazon Rekognition 管理主控台,使用您自己的影像試用 Amazon Rekognition,或下載 Amazon Rekognition SDK 開始建立自己的應用程式。如需詳細資訊,請參閱我們的逐步操作入門指南

問:Amazon Rekognition 提供哪些 API?
Amazon Rekognition 提供的 API 可偵測物件和場景、偵測和分析人臉、比對人臉、在眾多人臉中搜尋相似的臉孔,以及用來管理資源的 API。詳細資訊請參閱 Amazon Rekognition API 參考

問:Amazon Rekognition 支援哪些影像格式?

Amazon Rekognition 目前支援 JPEG 和 PNG 影像格式。您所提交的影像可以是 S3 物件或是位元組陣列。

問:Amazon Rekognition 支援多大的影像檔案?

若您提交的是 S3 物件,Amazon Rekognition 支援最大 15 MB 的影像檔案,若是影像位元組陣列,則最大 5 MB。

問:影像解析度對於結果的品質有什麼影響?

Amazon Rekognition 接受各種影像解析度。若希望獲得最佳結果,我們建議使用 VGA (640x480) 以上的解析度。雖然 Amazon Rekognition 接受兩個維度都至少有 80 個像素的影像,但是 QVGA (320x240) 以下的解析度比較可能會遺漏一些臉孔、物件或不適當的內容。

問:Amazon Rekognition 能偵測和分析到多小的物件?

實用的估算方法是先找出影像中出現的最小物件或人臉,然後確認其大小 (以像素為單位) 至少達較短影像維度的 5%。舉例來說,若您正在處理 1600x900 的影像,最小的人臉或物件在任一維度都必須至少有 45 個像素。

問:哪些 AWS 區域可以使用 Amazon Rekognition?

Amazon Rekognition 目前在美國東部 (維吉尼亞北部)、美國西部 (奧勒岡)、歐洲 (愛爾蘭)、AWS GovCloud (US) 和 AWS 亞太區域 (東京) 等區域皆可使用。


問:什麼是標籤?

標籤是指影像中的一個物件、場景或概念,根據影像的內容決定。例如,一張照片中有一個人在熱帶海灘上,包含的標籤可能就有「人」、「水」、「沙」、「棕櫚樹」、「泳裝」(物件)、「海灘」(場景)、「戶外」(概念)。

問:什麼是可信度分數?該如何使用?

可信度分數介於 0 至 100 之間,用來表示特定預測結果的正確機率。以剛才的熱帶海灘照片為例,如果物件和場景偵測程序給予「水」標籤的可信度分數是 99,「棕櫚樹」標籤的可信度分數是 35,那麼影像中就比較可能有水而不是棕櫚樹。

應用程式對於偵測錯誤 (錯誤肯定) 若是較為敏感,可信度分數低於特定閾值時便應捨棄結果。最佳閾值視應用程式而定。在許多情況中,最低可信度數值若高於預設值,就能達成最佳的使用者體驗。

問:什麼是物件和場景偵測?

物件和場景偵測是指分析影像,並根據其中的視覺內容指派標籤的程序。Amazon Rekognition 是利用 DetectLabels API 來完成這項工作。這個 API 會自動識別數千個物件、場景、概念,然後回傳每個標籤的可信度分數。DetectLabels 使用的預設可信度閾值是 50。物件和場景偵測最適合想要搜尋和整理大型影像庫的客戶,包括依靠使用者產生內容的消費型和生活型應用程式,以及想要改善目標投放演算法的廣告科技公司。

問:Amazon Rekognition 支援哪些類型的標籤?

Rekognition 支援數千種屬於常見類別的標籤,但不限於此:

  • 人物與活動:「婚禮」、「新娘」、「嬰兒」、「生日蛋糕」、「吉他手」等
  • 食品與飲料:「蘋果」、「三明治」、「紅酒」、「蛋糕」、「披薩」等
  • 自然與戶外:「海灘」、「山脈」、「湖泊」、「夕陽」、「彩虹」等
  • 動物與寵物:「狗」、「貓」、「馬」、「老虎」、「烏龜」等
  • 住家與庭園:「床」、「桌子」、「後院」、「吊燈」、「寢室」等
  • 運動與休閒:「高爾夫球」、「棒球」、「曲棍球」、「網球」、「健行」等
  • 植物與花卉:「玫瑰」、「鬱金香」、「棕櫚樹」、「森林」、「竹子」等
  • 藝術與娛樂:「雕塑」、「繪畫」、「吉他」、「芭蕾」、「馬賽克」等
  • 運輸與交通工具:「飛機」、「汽車」、「自行車」、「摩托車」、「卡車」等
  • 電子裝置:「電腦」、「行動電話」、「攝影機」、「電視」、「耳機」等

問:我找不到我要的標籤。如何要求新標籤?

請透過 AWS 客戶支援向我們提出您的要求。Amazon Rekognition 會根據客戶回饋持續擴增標籤型錄。


問:什麼是影像仲裁?

Amazon Rekognition 的影像仲裁是深度學習型且易於使用的 API,可偵測影像中露骨和暗示性的成人內容。開發人員可使用這個新增的中繼資料,根據他們的業務需求來篩選不適當的內容。除了根據出現的成人內容來標記影像以外,影像仲裁還會傳回內含可信度分數的階層式清單標籤。這些標籤會指出特定類別的成人內容,因此能讓開發人員更精準地篩選和管理大量使用者產生的內容 (UGC)。這個 API 可用於應用程式的仲裁工作流程,例如社交和約會網站、相片分享平台、部落格和論壇、適合兒童的應用程式、電子商務網站、娛樂和線上廣告服務等等。

問:Amazon Rekognition 會偵測哪些類型的露骨和暗示性成人內容?

Amazon Rekognition 會偵測影像中下列類型的露骨和暗示性成人內容:

  • 露骨的裸露
    • 裸露
    • 男性裸露圖片
    • 女性裸露圖片
    • 性行為
    • 部分裸露
  • 暗示性 
    • 女性泳衣或內衣褲
    • 男性泳衣或內衣褲
    • 暴露的服裝

Amazon Rekognition 的影像仲裁 API 會傳回階層式標籤,而每個偵測到的標籤會有可信度分數。例如,假設有一個不適當的影像,Rekognition 可能傳回「露骨的裸露」連同一個可信度分數做為最上層標籤。開發人員就可以使用這項資訊來標記內容。在同一個回應中,Rekognition 也會提供其他內容 (如「男性裸露圖片」) 連同它自己的可信度分數,傳回第二層的精細度。開發人員可利用這個資訊來建立更複雜的篩選邏輯。

請注意,影像仲裁 API 無權也無意成為露骨和暗示性成人內容的全面篩選機制。不僅如此,影像仲裁 API 也不會偵測影像中是否包含違法內容 (例如兒童色情) 或不正常的成人內容。

問:Amazon Rekognition 的影像仲裁 API 是否會偵測露骨和暗示性成人內容以外的不當內容?

Rekognition 目前只支援前述標籤。我們將根據客戶回饋持續增加和改進標籤。

如果您需要在影像中偵測其他的不當內容類型,請透過本節後面所述的回饋程序與我們聯繫。

問:如何確定 Rekognition 符合我的成人影像仲裁使用案例?

Rekognition 的影像仲裁模型已經過廣泛地微調和測試,但是我們建議您在自己的資料集上測定正確性以測量效能。

您可以在 API 請求中使用 'MinConfidence' 參數,以便在內容偵測 (召回率) 與偵測正確性 (準確度) 取得平衡。如果您降低 'MinConfidence',可能會偵測到大部分的不當內容,但也可能挑出實際上並不是露骨或暗示性的內容。如果您提高 'MinConfidence',則比較能夠確保所偵測到的確實是露骨或暗示性內容,卻可能無法標記到某些不適當的影像。如需如何使用 'MinConfidence' 的範例,請參閱這裡的文件。

如果 Rekogntion 無法偵測到影像中的成人內容,請使用下述的回饋程序與我們聯繫。

問:如何提供回饋給 Rekognition 以改進其仲裁功能?

請透過 AWS 客戶支援向我們提出您的要求。 Amazon Rekognition 會根據客戶回饋持續擴增偵測的不當內容類型。增加新的露骨或暗示性成人內容類型通常需要 6 到 8 週。請注意,這個程序不接受違法內容 (例如兒童色情)。


問:什麼是臉部分析?

臉部分析是指偵測影像中的人臉,並從中擷取相關的臉部屬性。Amazon Rekognition 的 DetectFaces API 會分析影像,然後回傳偵測到的每一張臉的週框方塊,內含諸如性別、是否戴著墨鏡、人臉特徵點等臉部屬性。您可以利用臉部分析功能分析特定人口和客戶情緒,或對偵測到的臉部週框方塊進行其他處理。

問:我可以從 Amazon Rekognition 取得哪些臉部屬性?

Amazon Rekognition 偵測到的每張人臉都會回傳下列臉部屬性、一個週框方塊,和每個屬性的可信度分數:

  • 性別
  • 微笑
  • 情緒
  • 眼鏡
  • 墨鏡
  • 眼睛睜開
  • 嘴巴張開
  • 八字鬍
  • 山羊鬍
  • 姿態
  • 品質
  • 臉部特徵點

問:什麼是臉部姿態?

人臉姿態是指偵測到的人臉依俯仰軸、翻滾軸、偏擺軸旋轉的結果。上述每個參數都會回傳介於 -180 至 +180 度之間的一個角度。人臉姿態可用於找出人臉多邊形週框方塊的方向 (相對於矩形週框方塊)、量測變形程度、準確追蹤人臉等。

問:什麼是臉部品質?

臉部品質利用兩種參數描述偵測到的人臉影像:清晰度和亮度。兩項參數都會回傳介於 0 與 1 之間的數值。這些參數可以套用閾值,篩選出光線良好的清晰臉孔。對於臉部比較和臉部辨識這類需要高品質臉部影像的應用程式,這項功能十分實用。

問:什麼是臉部特徵點?

臉部特徵點是一組凸起點,通常位在重要人臉部位,例如眼睛、鼻子、嘴巴的邊角、頂點或中間點。Amazon Rekognition DetectFaces API 會回傳一組臉部特徵點,可用來裁切臉部、將一張臉孔變換成另一張、重疊自訂遮罩以建立自訂篩選條件等等。

問:一個影像中可以偵測到多少臉孔?

使用 Amazon Rekognition 可以在一個影像中偵測到最多 100 張臉孔。


問:什麼是臉部比較?

臉部比較是比較兩張臉孔或是更多臉孔,以量測相似度的程序。Amazon Rekognition 使用 CompareFaces API,可量測兩個影像中的臉孔屬於同一個人的可能性。API 將原始輸入影像中的臉孔比對目標輸入影像中偵測到的每個臉孔,並針對每個比對結果回傳相似度分數。所偵測到的每張臉孔也會回傳臉部週框方塊和可信度分數。您可以利用臉部比較功能,近乎即時地利用某個人在檔案上的員工照片驗證其身分。

問:我使用的原始影像是否可以包含超過一張臉孔?

是。如果原始影像含有多張臉孔,CompareFaces 會偵測最大的臉孔,使用它與目標影像中偵測到的每個臉孔進行比對。

問:我可以比對多少張臉孔?

您可以利用原始影像的一張臉孔,和目標影像中偵測到的最多 100 張臉孔進行比對。


問:什麼是臉部辨識?

臉部辨識是在眾多臉孔中搜尋某個人的臉孔,以識別或驗證其身分的程序。Amazon Rekognition 允許您利用 SearchFacesSearchFacesByImage API 在應用程式中新增臉部辨識功能。利用臉部辨識可以輕鬆建構多種應用程式,例如銀行付款的多重驗證、自動允許員工進入建築物等等。

問:什麼是人臉集合?如何建立?

人臉集合是可搜尋的人臉特徵向量索引,歸您所有並且由您管理。使用 CreateCollection API 便可以在支援的 AWS 區域中輕鬆建立一個人臉集合,並獲得一個 Amazon Resource Name (ARN)。每一個人臉集合都有一個獨一無二的關聯 CollectionId。

問:我要如何在人臉集合中新增或刪除臉孔?

要在現有人臉集合中新增一張臉孔,請使用 IndexFaces API。這個 API 會以 S3 物件或影像位元組陣列的形式接受一個影像,然後將偵測到的臉孔向量表示新增到人臉集合。針對每一張新增的臉孔,IndexFaces 也會回傳獨有的 FaceId 和臉部週框方塊。

要在現有的人臉集合中刪除一張臉孔,請使用 DeleteFaces API。這個 API 會在所提供的人臉集合上運作 (使用 CollectionId),把 FaceId 列表上相對應的項目移除。如需有關新增和刪除臉孔的詳細資訊,請參閱管理集合範例。

問:我如何在人臉集合中搜尋一張臉孔?

在您建立有索引的人臉集合後,您可以使用一個影像 (SearchFaceByImage) 或一個 FaceId (SearchFaces) 在其中搜尋臉孔。這些 API 每取得一張輸入臉孔,便會回傳一組符合條件的臉孔,依相似度分數排列,相似度最高在最前面。如需詳細資訊請參閱搜尋臉孔範例。

問:Amazon Rekognition 是否會使用存放在人臉集合的資料?

否。Amazon Rekognition 必須先獲得您的許可,才可以存取或使用存放在人臉集合中的資料。您擁有您的資料的完整所有權。

問:什麼是人臉模型版本控制,以及如何運作?
Amazon Rekognition 使用深度學習模型執行人臉偵測和辨識。我們根據客戶的回饋和最新的研究進展持續改善模型的準確度。這些改進的功能會以人臉模型更新的形式提供給客戶。建立新的集合時,Amazon Rekognition 會自動使用最新的人臉模型版本。現有的集合會繼續使用建立該集合的模型版本,而存放的人臉向量不會自動更新為新的版本。

不同版本的模型彼此可能無法相容。尤其是,如果在使用不同模型版本的多個集合中編製相同影像的索引,在偵測相同人臉時所用的人臉辨識器將會不同。如果在使用相同模型的多個集合中編製影像索引,則會使用相同的人臉辨識器。

問:如何知道目前使用的人臉模型版本為何?
您可以使用人臉集合中運作的任何 API 傳回的 FaceModelVersion 欄位追蹤集合所用的人臉模型版本。

問:如何將現有的集合移到最新的人臉模型版本?
若要對存放在現有集合的人臉使用最新模型,使用 CreateCollection 建立新的集合,然後使用 IndexFaces 在新的集合重新編製原始來源影像集的索引。您需要更新應用程式存放的任何人臉辨識器,因為新集合的人臉辨識器可能與舊集合的人臉辨識器不同。如果您不再需要舊的集合,可使用 DeleteCollection 將它刪除。


問:什麼是影像文字?

影像文字是 Amazon Rekognition 的功能,可讓您偵測和辨識影像中的文字,像是街名、字幕、產品名稱和車輛牌照。影像文字專為使用真實世界影像而非文件影像所建立。Amazon Rekognition DetectText API 會處理影像,並針對每個偵測到的字元字串傳回文字標籤和週框方塊,以及可信度分數。例如,在影像共享和社交媒體應用程式中,可以根據包含相同文字標籤的影像索引啟用視覺搜尋。您可以在媒體娛樂應用程式中建立影片影格的文字中繼資料以支援相關內容的搜尋,像是新聞、運動賽事比分、商業廣告和字幕。在安全和監控應用程式中,則可透過穿戴式攝影機或交通攝影機拍攝影像中的車牌號碼識別車輛。

問:Amazon Rekognition 影像文字支援哪些文字類型?

影像文字專為使用真實世界影像而非文件影像所建立。它支援在各式各樣版面配置、字體和樣式內嵌,並以各種方向重疊在背景物件 (像是橫幅和海報) 上的大多數拉丁書寫文字和數字。影像文字可辨識每個影像高達 50 個字元序列,並以字或行列出。同時,影像文字只能辨識正負 30 度水平方向的文字。

 

問:如何提供回饋給 Rekognition 以改進其文字辨識功能?


請透過 AWS 客戶支援向我們提出您的要求。Amazon Rekognition 會根據客戶回饋持續擴增可辨識的文字內容類型。

問:什麼是名人辨識?

Amazon Rekognition 的名人辨識功能是一個以深度學習為基礎的易用 API,可用於偵測和識別在其領域中有名、值得注意或表現傑出的人士。RecognizeCelebrities API 的建置目的是要大規模的操作,而且能夠識別多種類別的名人,像是政治、運動、商業、娛樂和媒體。如果客戶需要在數位影像庫索引和搜尋特別感興趣的名人,則我們的名人辨識功能非常實用。

問:名人辨識 API 可識別哪些人?

Amazon Rekognition 只能識別已訓練深度學習模型加以辨識的名人。請注意,RecognizeCelebrities API 無權也從未表明會提供名人的完整清單。此功能旨在根據我們客戶的需求和回饋,盡可能包含最多的名人。我們會持續增加新的名人,對於名人辨識功能無法辨識可能被其他團體或我們客戶視為傑出的個人,這種情況並不代表我們對該名人的評價。如果您希望名人辨識功能可以識別其他名人,請提交回饋。

問:可透過 Amazon Rekognition API 識別的名人是否可請求從此功能移除?

是。如果某位名人希望從此功能移除,可傳送電子郵件到 AWS 客戶支援,我們將處理移除請求。

問:可透過哪些來源提供關於名人的額外資訊?

API 支援選用的來源清單,以提供關於名人的額外資訊做為 API 回應的一部分。我們目前提供 IMDB URL (可用時)。之後可能會增加其他來源。


問:Amazon Rekognition 如何計算所處理的影像數量?

針對接受影像輸入的 API,Amazon Rekognition 會將所分析的影像實際數量視為處理的影像數量。DetectLabels、DetectModerationLabels、DetectFaces、IndexFaces、RecognizeCelebrities 和 SearchFaceByImage 都屬於這個類別。CompareFaces API 會有兩個影像輸入,其中只有原始影像會計算為一個單位的受處理影像。

呼叫 API 時若不需要影像做為輸入參數,則 Amazon Rekognition 會把每一個 API 呼叫計算為一個受處理影像。SearchFaces 和 ListFaces 都屬於這個類別。

其餘的 Amazon Rekognition API,包括 DeleteFaces、CreateCollection、DeleteCollection、ListCollections,都不會納入受處理影像的計算。

問:哪一個 Amazon Rekognition API 必須付費使用?

需付費使用的 Amazon Rekognition API 包括:DetectLabels、DetectModerationLabels、DetectFaces、IndexFaces、RecognizeCelebrities、SearchFaceByImage、CompareFaces、SearchFaces 和 ListFaces。

問:Amazon Rekognition 的價格是多少?

請參閱 Amazon Rekognition 定價頁面,了解目前定價資訊。

問:在自己的人臉集合中存放特徵向量是否需要付費?

是。Amazon Rekognition 每個月針對每 1,000 個人臉向量收取 0.01 USD。請參閱定價頁面了解詳細資訊。

問:Amazon Rekognition 是否也包含在 AWS 免費方案中?

是。 Amazon Rekognition 也是 AWS 免費用量方案的一部分,您可以免費開始使用。註冊完成後,Amazon Rekognition 新客戶前 12 個月每月可免費分析最多 5,000 個影像。在這個免費方案之下,您可以使用所有 Amazon Rekognition API,也可以免費儲存高達 1,000 張臉孔。

問:價格含稅嗎?

如需稅務的詳細資訊,請參閱 Amazon Web Services 稅務說明


問:Amazon Rekognition 能否處理儲存在 Amazon S3 的影像?

是。您只要將 Amazon Rekognition API 指向您的 S3 儲存貯體,便可以開始分析儲存在 Amazon S3 的影像。您不須移動資料。關於 S3 物件與 Amazon Rekognition API 呼叫的搭配使用方法,詳細資訊請參閱偵測標籤的運用

問:使用 Amazon Rekognition 時,是否可搭配使用存放在另一個區域中 Amazon S3 儲存貯體內的影像?

否。請確認您要使用的 Amazon S3 儲存貯體與 Amazon Rekognition API 終端節點位於相同的區域中。 

問:使用 Amazon Rekognition 時要如何批次處理多個影像檔?

您可以一次處理大量 Amazon S3 影像,請依照 GitHub 的 Amazon Rekognition 批次處理範例所述步驟操作。

問:AWS Lambda 和 Amazon Rekognition 要如何搭配使用?

Amazon Rekognition 可無縫存取 AWS Lambda,讓您的 Amazon S3 和 Amazon DynamoDB 等 AWS 資料存放區享有觸發式影像分析功能。要將 Amazon Rekognition 和 AWS Lambda 搭配使用,請依照這裡說明的步驟操作,選擇一個 Amazon Rekognition 藍圖。


問:Amazon Rekognition 會否儲存我提交出去進行分析的影像?

不會,除非獲得您的許可。Amazon Rekognition API 不會儲存提交出去進行分析的影像。對於人臉集合,Amazon Rekognition 只會以特徵向量的形式將人臉表示儲存為人臉中繼資料,不會接受可識別的臉部裁切影像。請注意,經由 AWS Support 提交為進行疑難排解的影像,可能會儲存起來用於訓練中,您提交這類影像時會有說明。

問:Amazon Rekognition 是否會在訓練時使用提交的影像?

不會,除非獲得您的許可。若您想要分享影像資料集並允許 Amazon Rekognition 在訓練時使用,請聯絡 AWS 客戶支援了解詳細資訊。

問:是否需要提供任何訓練資料給 Amazon Rekognition?

否。Amazon Rekognition 已預先訓練好,可偵測數千個標籤、在各種條件下偵測臉孔,也能用一小組特徵向量表示臉孔。您不須提供任何訓練資料或自訂任何模型設定。Amazon Rekognition 會持續改善模型,定期新增標籤型錄。


問:我要如何控管使用者存取 Amazon Rekognition?

Amazon Rekognition 已和 AWS Identity and Access Management (IAM) 整合。AWS IAM 政策能確保唯有授權使用者可以存取 Amazon Rekognition API。如需詳細資訊,請參閱 Amazon Rekognition Authentication and Access Control 頁面