Amazon Rekognition可讓用戶訓練自定義模型辨識特殊物件
<div class="field field-name-field-news-column-category field-type-taxonomy-term-reference field-label-hidden"><div class="field-items"><div class="field-item even"><a href="/tags/%E6%96%B0%E8%81%9E">新聞</a></div></div></div><div class="field field-name-body field-type-text-with-summary field-label-hidden"><div class="field-items"><div class="field-item even"> <p>AWS在其影像辨識服務<a href="https://aws.amazon.com/tw/blogs/machine-learning/announcing-amazon-rekognition-custom-labels/">Amazon Rekognition新增了自定義標籤(Custom Labels)</a>的功能,讓用戶能夠自定義訓練Amazon Rekognition模型,建立專用的機器學習圖像分析功能,辨識獨一無二的物件。</p> <p>Amazon Rekognition自定義標籤讓企業用來辨識圖像中,特殊業務需求的物體或是場景,像是從社交媒體的貼文辨識出自家品牌標誌,或是辨識在貨架上的自家產品,甚至是偵測影片中的動畫角色。AWS提到,開發自定義的圖像辨識模型,需要專業知識和資源,而且還要手動標記數千張圖像,提供模型足夠的訓練資料,模型才能作出精確的預測,但製作訓練資料又需要花費許多時間,以及龐大的人力資源。</p> <p>自定義標籤是從Amazon Rekognition既有的能力,所發展出來的功能,由於Amazon Rekognition已經以數千萬張不同類別的圖像訓練,因此用戶只要再上傳一小組針對使用案例的訓練圖像,約數百張或是更少數量的圖像,就能訓練出良好的專用模型。</p> <p>當用戶上傳的圖像是經過標記的訓練資料,便可直接在Amazon Rekognition開始進行訓練,而尚未標記的資料,則可以使用Rekognition的介面進行標記,或是使用Amazon SageMaker Ground Truth增加標籤。</p> <p>Rekognition自定義標籤會自動分析訓練資料,選擇適合的機器學習演算法,當Rekognition開始以圖像資料集進行訓練,可在數小時內生成自定義圖像分析模型,訓練完成之後,用戶可以存取視覺化指標,查看每個模型的效能。用戶可以透過Rekognition自定義標籤API使用自定義模型,並將其整合到應用程式中。</p> </div></div></div>