Amazon Rekognition Custom Labels - AWS Orientação prescritiva

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Amazon Rekognition Custom Labels

Se o Amazon Rekognition não oferecer suporte a todas as etiquetas necessárias para seu caso de uso, você pode treinar um modelo de etiquetas personalizadas do Amazon Rekognition. O Amazon Rekognition Custom Labels amplia os recursos existentes do Amazon Rekognition. Em vez de treinar totalmente um modelo com milhares ou dezenas de milhares de imagens, você pode fazer upload de um pequeno conjunto de imagens de treinamento rotuladas (normalmente algumas centenas ou menos por aula) que sejam específicas para seu caso de uso. Se suas imagens já estiverem rotuladas, o Amazon Rekognition Custom Labels pode começar a treinar um modelo em pouco tempo. Caso contrário, você pode rotular as imagens diretamente na interface de rotulagem ou usar o Amazon SageMaker Ground Truth para rotulá-las para você.

Depois que o Amazon Rekognition Custom Labels começar a treinar com seu conjunto de imagens, ele poderá produzir um modelo de análise de imagem personalizado para você em apenas algumas horas. Nos bastidores, o Amazon Rekognition Custom Labels carrega e inspeciona automaticamente os dados de treinamento, seleciona os algoritmos de machine learning corretos, treina um modelo e fornece métricas de desempenho do modelo. Em seguida, é possível usar seu modelo personalizado por meio da API Amazon Rekognition Custom Labels e integrá-lo às suas aplicações.

A seguir estão as vantagens das etiquetas personalizadas do Amazon Rekognition:

  • O treinamento e o ajuste automatizados exigem o mínimo de esforço

  • Suporta classificação de vários rótulos

A seguir estão as desvantagens das etiquetas personalizadas do Amazon Rekognition:

  • Sem controle sobre a função objetiva, a arquitetura de rede ou os pesos iniciais do modelo.

  • O treinamento e o ajuste automatizados podem ser demorados e mais caros do que um pipeline de treinamento com configurações mais personalizáveis. (Isso é menos importante se o treinamento for pouco frequente.)

Para saber mais, consulte: