Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Étiquettes personnalisées Amazon Rekognition
Si Amazon Rekognition ne prend pas en charge toutes les étiquettes dont vous avez besoin pour votre cas d'utilisation, vous pouvez créer un modèle d'étiquettes personnalisées Amazon Rekognition. Les étiquettes personnalisées Amazon Rekognition étendent les fonctionnalités existantes d'Amazon Rekognition. Au lieu d'entraîner complètement un modèle avec des milliers ou des dizaines de milliers d'images, vous pouvez télécharger un petit ensemble d'images d'entraînement étiquetées (généralement quelques centaines ou moins par classe) spécifiques à votre cas d'utilisation. Si vos images sont déjà étiquetées, Étiquettes personnalisées Amazon Rekognition peut commencer à entraîner un modèle rapidement. Sinon, vous pouvez étiqueter les images directement dans l'interface d'étiquetage ou utiliser Amazon SageMaker Ground Truth pour les étiqueter à votre place.
Une fois qu’Étiquettes personnalisées Amazon Rekognition a commencé à s’entraîner à partir de votre jeu d’images, il peut générer un modèle d’analyse d’images personnalisé pour vous en quelques heures seulement. En arrière-plan, Étiquettes personnalisées Amazon Rekognition charge et inspecte automatiquement les données d’entraînement, sélectionne les bons algorithmes de machine learning, entraîne un modèle et fournit les indicateurs de performances du modèle. Vous pouvez ensuite utiliser votre modèle personnalisé via l’API Étiquettes personnalisées Amazon Rekognition et l’intégrer dans vos applications.
Les avantages des étiquettes personnalisées Amazon Rekognition sont les suivants :
-
L'entraînement et le réglage automatisés nécessitent un minimum d'efforts
-
Prend en charge la classification multi-étiquettes
Les inconvénients des étiquettes personnalisées Amazon Rekognition sont les suivants :
-
Aucun contrôle sur la fonction objective, l'architecture du réseau ou les poids initiaux du modèle.
-
L'entraînement et le réglage automatisés peuvent prendre beaucoup de temps et être plus coûteux qu'un pipeline de formation avec des paramètres plus personnalisables. (Ceci est moins important si l'entraînement est peu fréquent.)
Pour plus d’informations, consultez les ressources suivantes :
-
Commencer à utiliser les étiquettes personnalisées Amazon Rekognition dans le guide du développeur d'étiquettes personnalisées Amazon Rekognition
