Amazon Rekognition Custom Labels - AWS Panduan Preskriptif

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Amazon Rekognition Custom Labels

Jika Amazon Rekognition tidak mendukung semua label yang Anda perlukan untuk kasus penggunaan, Anda dapat melatih model Label Kustom Rekognition Amazon. Amazon Rekognition Custom Labels memperluas kemampuan Amazon Rekognition yang ada. Alih-alih sepenuhnya melatih model dengan ribuan atau puluhan ribu gambar, Anda dapat mengunggah satu set kecil gambar pelatihan berlabel (biasanya beberapa ratus atau kurang per kelas) yang khusus untuk kasus penggunaan Anda. Jika gambar Anda sudah diberi label, Amazon Rekognition Custom Labels dapat mulai melatih model dalam waktu singkat. Jika tidak, Anda dapat memberi label gambar secara langsung di dalam antarmuka pelabelan, atau Anda dapat menggunakan Amazon SageMaker Ground Truth untuk memberi label untuk Anda.

Setelah Amazon Rekognition Custom Labels memulai pelatihan dari set gambar Anda, itu dapat menghasilkan model analisis gambar khusus untuk Anda hanya dalam beberapa jam. Di balik layar, Amazon Rekognition Custom Labels secara otomatis memuat dan memeriksa data pelatihan, memilih algoritma pembelajaran mesin yang tepat, melatih model, dan menyediakan metrik kinerja model. Anda kemudian dapat menggunakan model kustom Anda melalui Amazon Rekognition Custom Labels API dan mengintegrasikannya ke dalam aplikasi Anda.

Berikut ini adalah keuntungan dari Amazon Rekognition Custom Labels:

  • Pelatihan dan penyetelan otomatis membutuhkan sedikit usaha

  • Mendukung klasifikasi multi-label

Berikut ini adalah kelemahan dari Amazon Rekognition Custom Labels:

  • Tidak ada kontrol atas fungsi objektif, arsitektur jaringan, atau bobot model awal.

  • Pelatihan dan penyetelan otomatis dapat memakan waktu dan lebih mahal daripada jalur pelatihan dengan pengaturan yang lebih dapat disesuaikan. (Ini kurang penting jika pelatihan jarang terjadi.)

Untuk informasi selengkapnya, lihat berikut ini: