本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 上的图像分类解决方案 AWS
<a name="introduction"></a>

*亚马逊 Web Services*（[贡献者](contributors.md)）

*2024 年 3 月*（[文档历史记录](doc-history.md)）

*图像分类*是计算机视觉的核心任务，是机器学习 (ML) 和人工智能 (AI) 的一个子领域。图像分类算法分析图像的像素并输出整个图像的标签。例如，以下图像可能带有以下标签：`person``dog`、或`outdoors`。



![\[带着狗在户外徒步旅行的女人。\]](http://docs.aws.amazon.com/zh_cn/prescriptive-guidance/latest/image-classification/images/sample-image.png)


图像分类不会定位图像中的对象，也不会创建边界框（就像在物体检测中所做的那样）。 图像分类的示例应用包括将图像分类到数字相册中，以及在汽车经销商处处理汽车图像以备库存。

您可以使用多种 AWS 服务 方法来执行图像分类 AWS。本指南的目标是帮助您找到有效的图像分类任务解决方案。本指南讨论了以下方法：
+ 使用[亚马逊 Re](https://docs.aws.amazon.com/rekognition/latest/dg/what-is.html) kognition
+ 使用[亚马逊 Rekognition 自定义标签](https://docs.aws.amazon.com/rekognition/latest/customlabels-dg/what-is.html)
+ 使用[亚马逊 A SageMaker I Canvas](https://docs.aws.amazon.com/sagemaker/latest/dg/canvas.html)
+ 使用[亚马逊 A SageMaker I](https://docs.aws.amazon.com/sagemaker/latest/dg/whatis.html)
+ 在亚马逊弹性容器服务（亚马逊ECS）或亚马逊 Elastic Kubernetes Service（亚马逊）中创建和管理自定义训练作业 EKS

本指南讨论了每种方法的功能 AWS 服务 以及如何确定哪种方法最适合您的图像分类任务。在本指南中，图像分类解决方案围绕三个特征进行组织：
+ **模型规格和训练** — 确定合适的模型架构和训练方法
+ **部署基础设施类型**-确定推理端点将使用的基础设施类型
+ **操作自动化和工作流程**-确定如何维护和更新解决方案

对于 Amazon Rekognition 服务，模型规格和训练选项由该服务预先确定；因此，除了提供的模型或训练选项之外，任何所需的模型或训练选项都必须使用自定义代码创建。本指南讨论了测试过程，以确定亚马逊 Rekognition 还是亚马逊 Rekognition 定制标签是适合您的用例的好解决方案。尽管 Amazon A SageMaker I 中有一个预先构建的图像分类容器，但它不足以完成许多生产图像分类任务。 SageMaker AI 还提供深度学习容器，允许对预训练模型进行自定义和微调。

本指南介绍了在上设计图像分类解决方案的总体策略。 AWS它为战略的每个部分提供了最佳实践，并提供了有关可用服务及其功能的建议。

## 目标
<a name="objectives"></a>

本指南可以帮助您实现以下目标业务成果：
+ **降低成本** —**** 创建与业务案例相匹配的经济实惠的图像分类实施方案
+ **效率** — 使用自动化来部署和维护与业务案例相匹配的图像分类解决方案
+ **策略** — 确定定制模型开发是否适合您的用例