上的映像分類解決方案 AWS - AWS 方案指引
目標

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

上的映像分類解決方案 AWS

Amazon Web Services （貢獻者)

2024 年 3 月 (文件歷史記錄)

影像分類是電腦視覺的中心任務，機器學習 (ML) 和人工智慧 (AI) 的子領域。影像分類演算法會分析整個影像的影像像素和輸出標籤。例如，下列影像可能具有下列標籤：person、 dog或 outdoors。

在戶外與狗一起健行的女人。

影像分類不會將影像中的物件當地語系化或建立週框方塊 （如同在物件偵測中所做的一樣）。 影像分類的範例應用程式包括將影像排序為數位相簿，以及處理汽車經銷商庫存的汽車影像。

您可以使用多種 AWS 服務 和 方法在 上執行影像分類 AWS。本指南的目標是協助您尋找映像分類任務的高效解決方案。本指南討論下列方法：

本指南討論每個 的功能， AWS 服務 以及如何判斷哪種方法最適合您的影像分類任務。在本指南中，影像分類解決方案以三種特徵組織：

  • 模型規格和訓練 – 判斷適當的模型架構和訓練方法

  • 部署基礎設施類型 – 判斷推論端點將使用的基礎設施類型

  • 操作自動化和工作流程 – 決定如何維護和更新解決方案

對於 Amazon Rekognition 服務，模型規格和訓練選項是由服務預先決定；因此，除了提供的模型或訓練選項之外，任何所需的模型或訓練選項都必須使用自訂程式碼建立。本指南討論測試程序，以判斷 Amazon Rekognition 或 Amazon Rekognition 自訂標籤是否為適合您使用案例的良好解決方案。雖然 Amazon SageMaker AI 中有一個預先建置的影像分類容器，但它不足以處理許多生產影像分類任務。 SageMaker AI 也提供深度學習容器，允許自訂和微調預先訓練的模型。

本指南提供在 上設計映像分類解決方案的整體策略 AWS。它為策略的每個部分提供最佳實務，提供有關可用服務及其功能的建議。

目標

本指南可以協助您實現下列目標業務成果：

  • 降低成本 – 建立符合商業案例且符合成本效益的映像分類實作

  • 效率 – 使用自動化來部署和維護符合商業案例的影像分類解決方案

  • 策略 – 判斷自訂模型開發是否符合您的使用案例