Etiquetas personalizadas de Amazon Rekognition - AWS Guía prescriptiva

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Etiquetas personalizadas de Amazon Rekognition

Si Amazon Rekognition no admite todas las etiquetas que necesita para su caso de uso, puede entrenar un modelo de etiquetas personalizadas de Amazon Rekognition. Las etiquetas personalizadas de Amazon Rekognition amplían las capacidades existentes de Amazon Rekognition. En lugar de entrenar completamente un modelo con miles o decenas de miles de imágenes, puede cargar un conjunto pequeño de imágenes de entrenamiento etiquetadas (normalmente unos cientos o menos por clase) que sean específicas para su caso de uso. Si las imágenes ya están etiquetadas, Etiquetas personalizadas de Amazon Rekognition podrá empezar a entrenar un modelo en poco tiempo. Si no es así, puedes etiquetar las imágenes directamente en la interfaz de etiquetado o puedes usar Amazon SageMaker Ground Truth para etiquetarlas por ti.

Cuando Etiquetas personalizadas de Amazon Rekognition empieza a entrenar a partir de grupo de imágenes, podrá crear un modelo de análisis de imágenes personalizado en tan solo unas horas. En segundo plano, Etiquetas personalizadas de Amazon Rekognition carga e inspecciona automáticamente los datos de entrenamiento, selecciona los algoritmos de machine learning correctos, entrena un modelo y registra las métricas de rendimiento del modelo. Tras esto, podrá usar su modelo personalizado a través de la API de Etiquetas personalizadas de Amazon Rekognition e integrarlo en sus aplicaciones.

Las siguientes son las ventajas de las etiquetas personalizadas Amazon Rekognition:

  • La capacitación y el ajuste automatizados requieren un esfuerzo mínimo

  • Soporta la clasificación de múltiples etiquetas

Las siguientes son las desventajas de las etiquetas personalizadas Amazon Rekognition:

  • No hay control sobre la función objetivo, la arquitectura de red o los pesos iniciales del modelo.

  • La capacitación y el ajuste automatizados pueden llevar mucho tiempo y ser más costosos que un proceso de capacitación con configuraciones más personalizables. (Esto es menos importante si la formación es poco frecuente).

Para obtener más información, consulte los siguientes temas: