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. # Mise en route sur Étiquettes personnalisées Amazon Rekognition Avant de commencer ces instructions de *Mise en route*, nous vous recommandons de lire [Présentation de la fonctionnalité Étiquettes personnalisées Amazon Rekognition](understanding-custom-labels.md). Vous utilisez Étiquettes personnalisées Amazon Rekognition pour entraîner un modèle de machine learning. Un modèle entraîné analyse des images pour rechercher des objets, des scènes et des concepts propres aux besoins de votre entreprise. Par exemple, vous pouvez entraîner un modèle pour classer des images de maisons ou à localiser des composants électroniques sur un circuit imprimé. Pour vous aider à démarrer, Étiquettes personnalisées Amazon Rekognition comprend des didacticiels vidéo et des exemples de projets. **Note** [Pour plus d'informations sur les AWS régions et les points de terminaison pris en charge par Amazon Rekognition Custom Labels, consultez la section Points de terminaison et quotas de Rekognition.](https://docs.aws.amazon.com/general/latest/gr/rekognition.html) ## Didacticiels vidéo Les vidéos vous montrent comment utiliser Étiquettes personnalisées Amazon Rekognition pour entraîner et utiliser un modèle. **Pour visionner les didacticiels vidéo** 1. Connectez-vous à la console Amazon Rekognition AWS Management Console et ouvrez-la à l'adresse. [https://console.aws.amazon.com/rekognition/](https://console.aws.amazon.com/rekognition/) 1. Dans le volet de gauche, choisissez **Utiliser Custom Labels**. La page d’accueil d’Étiquettes personnalisées Amazon Rekognition s’affiche. Si l’option **Utiliser Custom Labels** n’apparaît pas, vérifiez que la [Région AWS](https://docs.aws.amazon.com/general/latest/gr/rekognition_region.html) que vous utilisez prend en charge Étiquettes personnalisées Amazon Rekognition. 1. Dans le volet de navigation, choisissez **Démarrer**. 1. Dans **Qu’est qu’Amazon Rekognition Custom Labels ?**, choisissez la vidéo de présentation pour la visionner. 1. Dans le volet de navigation, choisissez **Tutoriels**. 1. Sur la page **Tutoriels**, choisissez les didacticiels vidéo que vous souhaitez regarder. ## Exemples de projets La fonctionnalité Étiquettes personnalisées Amazon Rekognition fournit les exemples de projets suivants. ### Classification d’images Le projet de classification d’images (Pièces) entraîne un modèle qui trouve une ou plusieurs pièces sur une image, tels que le *jardin*, la *cuisine* et le *patio*. Les images d’entraînement et de test représentent un emplacement unique. Chaque image est étiquetée avec une seule étiquette au niveau de l’image, telle que *kitchen*, *patio* ou *living\_space*. Pour une image analysée, le modèle entraîné renvoie une ou plusieurs étiquettes correspondantes à partir de l’ensemble d’étiquettes au niveau de l’image utilisé pour l’entraînement. Par exemple, le modèle peut trouver l’étiquette *living\_space* dans l’image suivante. Pour de plus amples informations, veuillez consulter [Recherche d’objets, de scènes et de concepts](md-dataset-purpose.md#md-dataset-purpose-classification). ![Salon avec cheminée, canapé moelleux, fauteuil, tables rondes, plantes et grandes fenêtres donnant sur l'extérieur.](http://docs.aws.amazon.com/fr_fr/rekognition/latest/customlabels-dg/images/image-classification.jpg) ### Classification des images à plusieurs étiquettes Le projet de classification d’images à plusieurs étiquettes (Fleurs) entraîne un modèle qui classe les images de fleurs en trois concepts (type de fleur, présence des feuilles et stade de croissance). Les images d’entraînement et de test comportent des étiquettes au niveau de l’image pour chaque concept, telles que *camélia* pour un type de fleur, *avec\_feuilles* pour une fleur avec des feuilles et *pousse\_terminée* pour une fleur qui a terminé de pousser. Pour une image analysée, le modèle entraîné renvoie des étiquettes correspondantes à partir du jeu d’étiquettes au niveau de l’image utilisé pour l’entraînement. Par exemple, le modèle renvoie les étiquettes *euphorbe\_characias* et *avec\_feuilles* pour l’image suivante. Pour de plus amples informations, veuillez consulter [Recherche d’objets, de scènes et de concepts](md-dataset-purpose.md#md-dataset-purpose-classification). ![Gros plan d'une fleur verte éclatante aux pétales serrés formant une forme sphérique.](http://docs.aws.amazon.com/fr_fr/rekognition/latest/customlabels-dg/images/multi-label-classification.jpg) ### Détection des marques Le projet de détection de marque (Logos) forme un modèle qui trouve l'emplacement de certains AWS logos tels que *Amazon Textract* et *AWS* Lambda. Les images d’entraînement représentent uniquement le logo et comportent une seule étiquette au niveau de l’image, telle que *lambda* ou *textract*. Il est également possible d’entraîner un modèle de détection des marques à l’aide d’images d’entraînement dotées de cadres de délimitation indiquant les emplacements des marques. Les images de test comportent des cadres de délimitation étiquetés qui représentent l’emplacement des logos dans des emplacements naturels, tels qu’un schéma architectural. Le modèle entraîné trouve les logos et renvoie un cadre de délimitation étiqueté pour chaque logo trouvé. Pour de plus amples informations, veuillez consulter [Recherche de l’emplacement d’une marque](md-dataset-purpose.md#md-dataset-purpose-brands). ![Service Lambda qui transmet l'activité des utilisateurs à Amazon Pinpoint pour obtenir des recommandations.](http://docs.aws.amazon.com/fr_fr/rekognition/latest/customlabels-dg/images/brand-detection-lambda.png) ### Localisation d’objets Le projet de localisation d’objets (Circuits imprimés) entraîne un modèle qui trouve l’emplacement de pièces sur un circuit imprimé, comme un *comparateur* ou une *diode électroluminescente infrarouge*. Les images d’entraînement et de test incluent des cadres de délimitation qui entourent les pièces du circuit imprimé et une étiquette identifiant la pièce à l’intérieur du cadre de délimitation. **Dans l'exemple d'image suivant, les noms d'étiquette sont *ir\_phototransistor, ir\_led**, pot\_resistor* et comparator.** Le modèle entraîné trouve les pièces du circuit imprimé et renvoie une délimitation étiquetée pour chaque pièce de circuit trouvée. Pour de plus amples informations, veuillez consulter [Recherche des emplacements d’objets](md-dataset-purpose.md#md-dataset-purpose-localization). ![Image du composant montrant une LED infrarouge, une résistance en pot et une puce de comparaison sur un circuit imprimé.](http://docs.aws.amazon.com/fr_fr/rekognition/latest/customlabels-dg/images/localization-circuit-board.png) ## Utilisation des exemples de projets Ces instructions de Mise en route vous montrent comment entraîner un modèle à l’aide d’exemples de projets créés pour vous par Étiquettes personnalisées Amazon Rekognition. Elles vous montrent également comment démarrer le modèle et l’utiliser pour analyser une image. ### Création de l’exemple de projet Pour commencer, choisissez le projet à utiliser. Pour plus d’informations, consultez [Étape 1 : Choisir un exemple de projet](gs-step-choose-example-project.md). La fonctionnalité Étiquettes personnalisées Amazon Rekognition utilise des jeux de données pour entraîner et évaluer (tester) un modèle. Un jeu de données gère les images et les étiquettes qui identifient le contenu des images. Les exemples de projets incluent un jeu de données d’entraînement et un jeu de données de test dans lesquels toutes les images sont étiquetées. Vous n’avez pas besoin d’apporter des modifications avant d’entraîner votre modèle. Les exemples de projets montrent les deux manières dont la fonctionnalité Étiquettes personnalisées Amazon Rekognition utilise les étiquettes pour entraîner différents types de modèles. + *au niveau de l’image* : l’étiquette identifie un objet, une scène ou un concept qui représente l’image entière. + *cadre de délimitation* : l’étiquette identifie le contenu d’un cadre de délimitation. Un cadre de délimitation est un ensemble de coordonnées d’image qui entourent un objet dans une image. Plus tard, lorsque vous créez un projet avec vos propres images, vous devez créer des jeux de données d’entraînement et de test, et également étiqueter vos images. Pour plus d’informations, consultez [Choix de votre type de modèle](understanding-custom-labels.md#tm-intro-model-type). ### Formation du modèle Une fois que la fonctionnalité Étiquettes personnalisées Amazon Rekognition a créé l’exemple de projet, vous pouvez entraîner le modèle. Pour plus d’informations, consultez [Étape 2 : Entraîner votre modèle](gs-step-train-model.md). Une fois l’entraînement terminé, vous évaluez normalement les performances du modèle. Les images de l’exemple de jeu de données créent déjà un modèle à hautes performances et il n’est pas nécessaire d’évaluer le modèle avant de l’exécuter. Pour plus d’informations, consultez [Amélioration d’un modèle entraîné Étiquettes personnalisées Amazon Rekognition](improving-model.md). ### Utilisation du modèle Ensuite, vous démarrez le modèle. Pour plus d’informations, consultez [Étape 3 : Démarrer votre modèle](gs-step-start-model.md). Une fois que vous avez commencé à exécuter votre modèle, vous pouvez l’utiliser pour analyser de nouvelles images. Pour plus d’informations, consultez [Étape 4 : Analyser une image avec votre modèle](gs-step-get-a-prediction.md). La durée de fonctionnement de votre modèle vous est facturée. Lorsque vous avez fini d’utiliser le modèle d’exemple, vous devez arrêter le modèle. Pour plus d’informations, consultez [Étape 5 : Arrêter votre modèle](gs-step-stop-model.md). ### Étapes suivantes Lorsque vous êtes prêt, vous pouvez créer vos propres projets. Pour plus d’informations, consultez [Étape 6 : étapes suivantes](gs-step-next.md).