Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Referensi API Label Kustom Amazon Rekognition
API Label Kustom Amazon Rekognition didokumentasikan sebagai bagian dari konten referensi API Rekognition Amazon. Ini adalah daftar operasi API Label Kustom Amazon Rekognition dengan tautan ke topik referensi API Rekognition Amazon yang sesuai. Selain itu, tautan referensi API dalam dokumen ini masuk ke topik referensi API Panduan Pengembang Amazon Rekognition yang sesuai. Untuk informasi tentang penggunaan API, lihat[ Memahami Label Kustom Rekognition AmazonMemahami Label Kustom Rekognition Amazon Bagian ini memberi Anda ikhtisar alur kerja untuk melatih dan menggunakan model Label Kustom Rekognition Amazon dengan konsol dan SDK. AWS Amazon Rekognition Custom Labels sekarang mengelola kumpulan data dalam sebuah proyek. Anda dapat membuat kumpulan data untuk proyek Anda dengan konsol dan dengan SDK AWS . Jika sebelumnya Anda telah menggunakan Label Kustom Amazon Rekognition, kumpulan data lama Anda mungkin perlu dikaitkan dengan proyek baru. Untuk informasi selengkapnya, lihat [Langkah 6: (Opsional) Kaitkan kumpulan data sebelumnya dengan proyek baru](su-associate-prior-dataset.md) Tentukan jenis model Anda Pertama-tama Anda memutuskan jenis model mana yang ingin Anda latih, yang tergantung pada tujuan bisnis Anda. Misalnya, Anda dapat melatih model untuk menemukan logo Anda di pos media sosial, mengidentifikasi produk Anda di rak-rak toko, atau mengklasifikasikan suku cadang mesin di jalur perakitan. Amazon Rekognition Custom Labels dapat melatih jenis model berikut: [Temukan objek, adegan, dan konsep](#tm-classification) [Temukan lokasi objek](#tm-object-localization) [Temukan lokasi merek](#tm-brand-detection-localization) Untuk membantu Anda memutuskan jenis model yang akan dilatih, Amazon Rekognition Custom Labels menyediakan contoh proyek yang dapat Anda gunakan. Untuk informasi selengkapnya, lihat [Memulai Label Kustom Amazon Rekognition](getting-started.md). Temukan objek, adegan, dan konsep Model memprediksi klasifikasi untuk objek, adegan, dan konsep yang terkait dengan keseluruhan gambar. Misalnya, Anda dapat melatih model yang menentukan apakah suatu gambar berisi *objek wisata*, atau tidak. Untuk contoh proyek, lihat[Klasifikasi gambar](getting-started.md#gs-image-classification-example). Gambar danau berikut ini adalah contoh jenis gambar yang dapat Anda kenali objek, pemandangan, dan konsep.
![\[Danau yang tenang memantulkan awan dan pegunungan saat matahari terbenam atau matahari terbit.\]](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/pateros.jpg)
Atau, Anda dapat melatih model yang mengkategorikan gambar ke dalam beberapa kategori. Misalnya, gambar sebelumnya mungkin memiliki kategori seperti *warna langit*, *refleksi*, atau *danau*. Untuk contoh proyek, lihat[Klasifikasi gambar multi-label](getting-started.md#gs-multi-label-image-classification-example). Temukan lokasi objek Model memprediksi lokasi objek pada gambar. Prediksi mencakup informasi kotak pembatas untuk lokasi objek dan label yang mengidentifikasi objek di dalam kotak pembatas. Misalnya, gambar berikut menunjukkan kotak pembatas di sekitar berbagai bagian papan sirkuit, seperti *komparator* atau resistor *pot*.
![\[Gambar komponen yang menunjukkan LED IR, resistor pot, dan chip komparator pada papan sirkuit.\]](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/localization-circuit-board.png)
Proyek [Lokalisasi objek](getting-started.md#gs-object-localization-example) contoh menunjukkan bagaimana Amazon Rekognition Custom Labels menggunakan kotak pembatas berlabel untuk melatih model yang menemukan lokasi objek. Temukan lokasi merek Amazon Rekognition Custom Labels dapat melatih model yang menemukan lokasi merek, seperti logo, pada gambar. Prediksi tersebut mencakup informasi kotak pembatas untuk lokasi merek dan label yang mengidentifikasi objek di dalam kotak pembatas. Untuk contoh proyek, lihat[Deteksi merek](getting-started.md#gs-brand-detection-example). Gambar berikut adalah contoh dari beberapa merek yang dapat dideteksi oleh model.
![\[Diagram yang menunjukkan layanan Lambda memasukkan aktivitas pengguna ke Amazon Pinpoint untuk rekomendasi.\]](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/brand-detection-lambda.png)
Buat model Langkah-langkah untuk membuat model adalah membuat proyek, membuat kumpulan data pelatihan dan pengujian, dan melatih model. Membuat proyek Proyek Amazon Rekognition Custom Labels adalah sekelompok sumber daya yang diperlukan untuk membuat dan mengelola model. Sebuah proyek mengelola hal-hal berikut: **Datasets** — Gambar dan label gambar yang digunakan untuk melatih model. Sebuah proyek memiliki dataset pelatihan dan dataset pengujian. **Model** — Perangkat lunak yang Anda latih untuk menemukan konsep, adegan, dan objek yang unik untuk bisnis Anda. Anda dapat memiliki beberapa versi model dalam sebuah proyek. Kami menyarankan Anda menggunakan proyek untuk kasus penggunaan tunggal, seperti menemukan bagian papan sirkuit pada papan sirkuit. Anda dapat membuat proyek dengan konsol Amazon Rekognition Custom Labels dan dengan API. [CreateProject](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CreateProject) Untuk informasi selengkapnya, lihat [Membuat proyek](mp-create-project.md). Buat kumpulan data pelatihan dan uji Dataset adalah sekumpulan gambar dan label yang menggambarkan gambar-gambar tersebut. Dalam proyek Anda, Anda membuat kumpulan data pelatihan dan kumpulan data pengujian yang digunakan Label Kustom Amazon Rekognition untuk melatih dan menguji model Anda. Label mengidentifikasi objek, adegan, konsep, atau kotak pembatas di sekitar objek dalam gambar. Label ditetapkan ke seluruh gambar (*tingkat gambar*) atau ditetapkan ke kotak pembatas yang mengelilingi objek pada gambar. Cara Anda memberi label pada gambar dalam kumpulan data menentukan jenis model yang dibuat Label Kustom Rekognition Amazon. Misalnya, untuk melatih model yang menemukan objek, adegan, dan konsep, Anda menetapkan label tingkat gambar ke gambar dalam kumpulan data pelatihan dan pengujian Anda. Untuk informasi selengkapnya, lihat [Mengarahkan kumpulan data](md-dataset-purpose.md). Gambar harus dalam format PNG dan JPEG, dan Anda harus mengikuti rekomendasi gambar input. Untuk informasi selengkapnya, lihat [Mempersiapkan gambar](md-prepare-images.md). Buat kumpulan data pelatihan dan uji (Konsol) Anda dapat memulai proyek dengan satu kumpulan data, atau dengan kumpulan data pelatihan dan pengujian terpisah. Jika Anda memulai dengan satu kumpulan data, Amazon Rekognition Custom Labels membagi kumpulan data Anda selama pelatihan untuk membuat kumpulan data pelatihan (80%) dan kumpulan data pengujian (20%) untuk proyek Anda. Mulailah dengan satu kumpulan data jika Anda ingin Label Kustom Rekognition Amazon memutuskan gambar mana yang digunakan untuk pelatihan dan pengujian. Untuk kontrol penuh atas pelatihan, pengujian, dan penyetelan kinerja, kami menyarankan Anda memulai proyek dengan kumpulan data pelatihan dan pengujian terpisah. Untuk membuat kumpulan data untuk proyek, Anda mengimpor gambar dengan salah satu cara berikut: Impor gambar dari komputer lokal Anda. Impor gambar dari ember S3. Amazon Rekognition Custom Labels dapat memberi label gambar menggunakan nama folder yang berisi gambar. Impor file manifes Amazon SageMaker AI Ground Truth. Salin kumpulan data Label Kustom Rekognition Amazon yang ada. Untuk informasi selengkapnya, lihat [Membuat kumpulan data pelatihan dan uji dengan gambar](md-create-dataset.md). Tergantung dari mana Anda mengimpor gambar, gambar Anda mungkin tidak berlabel. Misalnya, gambar yang diimpor dari komputer lokal tidak diberi label. Gambar yang diimpor dari file manifes Amazon SageMaker AI Ground Truth diberi label. Anda dapat menggunakan konsol Amazon Rekognition Custom Labels untuk menambahkan, mengubah, dan menetapkan label. Untuk informasi selengkapnya, lihat [Pelabelan gambar](md-labeling-images.md). Untuk membuat kumpulan data pelatihan dan pengujian Anda dengan konsol, lihat. [Membuat kumpulan data pelatihan dan uji dengan gambar](md-create-dataset.md) Untuk tutorial yang mencakup pembuatan kumpulan data pelatihan dan pengujian, lihat. [Mengklasifikasikan gambar](tutorial-classification.md) Buat kumpulan data pelatihan dan pengujian (SDK) Untuk membuat kumpulan data pelatihan dan pengujian, Anda menggunakan API. `CreateDataset` Anda dapat membuat kumpulan data dengan menggunakan file manifes format Amazon Sagemaker atau dengan menyalin kumpulan data Label Kustom Rekognition Amazon yang ada. Untuk informasi selengkapnya, lihat [Buat kumpulan data pelatihan dan pengujian (SDK)](md-create-dataset.md#cd-create-dataset-sdk) Jika perlu, Anda dapat membuat file manifes Anda sendiri. Untuk informasi selengkapnya, lihat [Membuat file manifes](md-create-manifest-file.md). Latih model Anda Latih model Anda dengan dataset pelatihan. Versi baru dari sebuah model dibuat setiap kali dilatih. Selama pelatihan, Amazon Rekognition Custom Labels menguji kinerja model terlatih Anda. Anda dapat menggunakan hasilnya untuk mengevaluasi dan meningkatkan model Anda. Membutuhkan waktu beberapa saat untuk menyelesaikan pelatihan. Anda hanya dikenakan biaya untuk pelatihan model yang sukses. Untuk informasi selengkapnya, lihat [Melatih model Label Kustom Rekognition Amazon](training-model.md). Jika pelatihan model gagal, Amazon Rekognition Custom Labels menyediakan informasi debugging yang dapat Anda gunakan. Untuk informasi selengkapnya, lihat [Mendebug pelatihan model yang gagal](tm-debugging.md). Latih model Anda (Konsol) Untuk melatih model Anda dengan konsol, lihat[Melatih model (Konsol)](training-model.md#tm-console). Melatih model (SDK) Anda melatih model Label Kustom Rekognition Amazon dengan menelepon. [CreateProjectVersion](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CreateProjectVersion) Untuk informasi selengkapnya, lihat [Melatih model (SDK)](training-model.md#tm-sdk). Tingkatkan model Anda Selama pengujian, Amazon Rekognition Custom Labels membuat metrik evaluasi yang dapat Anda gunakan untuk meningkatkan model terlatih Anda. Evaluasi model Anda Evaluasi kinerja model Anda dengan menggunakan metrik kinerja yang dibuat selama pengujian. Metrik kinerja, seperti F1, presisi, dan penarikan, memungkinkan Anda memahami kinerja model terlatih Anda, dan memutuskan apakah Anda siap menggunakannya dalam produksi. Untuk informasi selengkapnya, lihat [Metrik untuk mengevaluasi model Anda](im-metrics-use.md). Evaluasi model (konsol) Untuk melihat metrik kinerja, lihat[Mengakses metrik evaluasi (Konsol)](im-access-training-results.md). Mengevaluasi model (SDK) Untuk mendapatkan metrik kinerja, Anda menelepon [DescribeProjectVersions](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjectVersions)untuk mendapatkan hasil pengujian. Untuk informasi selengkapnya, lihat [Mengakses metrik evaluasi Label Kustom Rekognition Amazon (SDK)](im-metrics-api.md). Hasil pengujian mencakup metrik yang tidak tersedia di konsol, seperti matriks kebingungan untuk hasil klasifikasi. Hasil pengujian dikembalikan dalam format berikut: Skor F1 — Nilai tunggal yang mewakili kinerja keseluruhan presisi dan penarikan untuk model. Untuk informasi selengkapnya, lihat [F1](im-metrics-use.md#im-f1-metric). Lokasi file ringkasan — Ringkasan pengujian mencakup metrik evaluasi agregat untuk seluruh kumpulan data pengujian dan metrik untuk setiap label individual. `DescribeProjectVersions`mengembalikan bucket S3 dan lokasi folder dari file ringkasan. Untuk informasi selengkapnya, lihat [Mengakses file ringkasan model](im-summary-file-api.md). Lokasi snapshot manifes evaluasi — Snapshot berisi rincian tentang hasil tes, termasuk peringkat kepercayaan dan hasil tes klasifikasi biner, seperti positif palsu. `DescribeProjectVersions`mengembalikan bucket S3 dan lokasi folder dari file snapshot. Untuk informasi selengkapnya, lihat [Menafsirkan snapshot manifes evaluasi](im-evaluation-manifest-snapshot-api.md). Tingkatkan model Anda Jika perbaikan diperlukan, Anda dapat menambahkan lebih banyak gambar pelatihan atau meningkatkan pelabelan kumpulan data. Untuk informasi selengkapnya, lihat [Meningkatkan model Label Kustom Rekognition Amazon](tr-improve-model.md). Anda juga dapat memberikan umpan balik tentang prediksi yang dibuat model Anda dan menggunakannya untuk melakukan perbaikan pada model Anda. Untuk informasi selengkapnya, lihat [Meningkatkan model dengan umpan balik Model](ex-feedback.md). Tingkatkan model Anda (konsol) Untuk menambahkan gambar ke kumpulan data, lihat[Menambahkan lebih banyak gambar ke kumpulan data](md-add-images.md). Untuk menambah atau mengubah label, lihat[Pelabelan gambar](md-labeling-images.md). Untuk melatih kembali model Anda, lihat[Melatih model (Konsol)](training-model.md#tm-console). Tingkatkan model Anda (SDK) Untuk menambahkan gambar ke kumpulan data atau mengubah label untuk gambar, gunakan API. `UpdateDatasetEntries` `UpdateDatasetEntries`memperbarui atau menambahkan baris JSON ke file manifes. Setiap baris JSON berisi informasi untuk satu gambar, seperti label yang ditetapkan atau informasi kotak pembatas. Untuk informasi selengkapnya, lihat [Menambahkan lebih banyak gambar (SDK)](md-add-images.md#md-add-images-sdk). Untuk melihat entri dalam kumpulan data, gunakan API. `ListDatasetEntries` Untuk melatih kembali model Anda, lihat[Melatih model (SDK)](training-model.md#tm-sdk-datasets). Mulai model Anda Sebelum dapat menggunakan model, Anda memulai model dengan menggunakan konsol Amazon Rekognition Custom Labels atau API. `StartProjectVersion` Anda dikenakan biaya untuk jumlah waktu yang dijalankan model Anda. Untuk informasi selengkapnya, lihat [Menjalankan model Label Kustom Rekognition Amazon yang terlatih](running-model.md). Mulai model Anda (konsol) Untuk memulai model Anda menggunakan konsol, lihat[Memulai model Label Kustom Rekognition Amazon (Konsol)](rm-start.md#rm-start-console). Mulai model Anda Anda memulai panggilan model Anda [StartProjectVersion](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StartProjectVersion). Untuk informasi selengkapnya, lihat [Memulai model Label Kustom Rekognition Amazon (SDK)](rm-start.md#rm-start-sdk). Menganalisis gambar Untuk menganalisis gambar dengan model Anda, Anda menggunakan `DetectCustomLabels` API. Anda dapat menentukan gambar lokal, atau gambar yang disimpan dalam ember S3. Operasi ini juga memerlukan Nama Sumber Daya Amazon (ARN) dari model yang ingin Anda gunakan. Jika model Anda menemukan objek, adegan, dan konsep, responsnya menyertakan daftar label tingkat gambar yang ditemukan dalam gambar. Misalnya, gambar berikut menunjukkan label tingkat gambar yang ditemukan menggunakan proyek contoh *Kamar*.
![\[Ruang tamu dengan perapian, sofa cokelat, kursi berlengan, meja kopi, dan karya seni indah di dinding. Pintu mengarah ke teras luar ruangan.\]](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/rooms.jpg)
Jika model menemukan lokasi objek, responsnya mencakup daftar kotak pembatas berlabel yang ditemukan pada gambar. Kotak pembatas mewakili lokasi objek pada gambar. Anda dapat menggunakan informasi kotak pembatas untuk menggambar kotak pembatas di sekitar objek. Misalnya, gambar berikut menunjukkan kotak pembatas di sekitar bagian papan sirkuit yang ditemukan menggunakan proyek contoh *papan Sirkuit*.
![\[Papan sirkuit dengan LED IR, fototransistor, dan potensiometer untuk penyesuaian.\]](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/circuitboardparts.jpg)
Untuk informasi selengkapnya, lihat [Menganalisis gambar dengan model terlatih](detecting-custom-labels.md). Hentikan model Anda Anda dikenakan biaya untuk waktu model Anda berjalan. Jika Anda tidak lagi menggunakan model, hentikan model dengan menggunakan konsol Amazon Rekognition Custom Labels, atau dengan menggunakan API. `StopProjectVersion` Untuk informasi selengkapnya, lihat [Menghentikan model Label Kustom Rekognition Amazon](rm-stop.md). Hentikan model Anda (Konsol) Untuk menghentikan model yang sedang berjalan dengan konsol, lihat[Menghentikan model Label Kustom Rekognition Amazon (Konsol)](rm-stop.md#rm-stop-console). Hentikan model Anda (SDK) Untuk menghentikan model yang sedang berjalan, panggil [StopProjectVersion](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StopProjectVersion). Lihat informasi yang lebih lengkap di [Menghentikan model Label Kustom Rekognition Amazon (SDK)](rm-stop.md#rm-stop-sdk). ](understanding-custom-labels.md).
## Melatih model Anda
### Proyek
+ [CreateProject](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CreateProject)— Membuat proyek Label Kustom Rekognition Amazon Anda yang merupakan pengelompokan sumber daya yang logis (gambar, Label, model) dan operasi (pelatihan, evaluasi, dan deteksi).
+ [DeleteProject](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DeleteProject)— Menghapus proyek Label Kustom Rekognition Amazon.
+ [DescribeProjects](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjects)— Mengembalikan daftar semua proyek Label Kustom Rekognition Amazon Anda.
### Kebijakan Proyek
+ [PutProjectPolicy](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_PutProjectPolicy)— Melampirkan kebijakan proyek ke proyek Label Kustom Rekognition Amazon di akun terpercaya. AWS
+ [ListProjectPolicies](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_ListProjectPolicies)— Mengembalikan daftar kebijakan proyek yang dilampirkan pada proyek.
+ [DeleteProjectPolicy](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DeleteProjectPolicy)— Menghapus kebijakan proyek yang ada.
### Set Data
+ [CreateDataset](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CreateDataset)— Membuat kumpulan data Label Kustom Rekognition Amazon.
+ [DeleteDataset](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DeleteDataset)— Menghapus kumpulan data Label Kustom Rekognition Amazon.
+ [DescribeDataset](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeDataset)— Menjelaskan kumpulan data Label Kustom Rekognition Amazon.
+ [DistributeDatasetEntries](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DistributeDatasetEntries)— Mendistribusikan entri (gambar) dalam kumpulan data pelatihan di seluruh kumpulan data pelatihan dan kumpulan data pengujian untuk suatu proyek.
+ [ListDatasetEntries](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_ListDatasetEntries)— Mengembalikan daftar entri (gambar) dalam kumpulan data Label Kustom Rekognition Amazon.
+ [ListDatasetLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_ListDatasetLabels)— Mengembalikan daftar label yang ditetapkan ke kumpulan data Label Kustom Rekognition Amazon.
+ [UpdateDatasetEntries](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_UpdateDatasetEntries)— Menambahkan atau memperbarui entri (gambar) dalam kumpulan data Label Kustom Rekognition Amazon.
### Model
+ [CreateProjectVersion](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CreateProjectVersion)— Melatih model Label Kustom Rekognition Amazon Anda.
+ [CopyProjectVersion](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CopyProjectVersion)— Salin model Label Kustom Rekognition Amazon Anda.
+ [DeleteProjectVersion](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DeleteProjectVersion)— Menghapus model Label Kustom Rekognition Amazon.
+ [DescribeProjectVersions](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjectVersions)— Mengembalikan daftar semua model Label Kustom Rekognition Amazon dalam proyek tertentu.
### Tanda
+ [TagResource](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_TagResource)— Menambahkan satu atau lebih tag nilai kunci ke model Label Kustom Rekognition Amazon.
+ [UntagResource](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_UntagResource)— Menghapus satu atau lebih tag dari model Label Kustom Rekognition Amazon.
## Menggunakan model Anda
+ [DetectCustomLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectCustomLabels)— Menganalisis gambar dengan model label kustom Anda.
+ [StartProjectVersion](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StartProjectVersion)— Memulai model label kustom Anda.
+ [StopProjectVersion](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StopProjectVersion)— Menghentikan model label kustom Anda.