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。

# Amazon Rekognition 自訂標籤
<a name="rekognition-custom-labels"></a>

如果 Amazon Rekognition 不支援使用案例所需的所有標籤，您可以訓練 [Amazon Rekognition 自訂標籤](https://docs.aws.amazon.com/rekognition/latest/customlabels-dg/what-is.html)模型 。Amazon Rekognition 自訂標籤擴展了 Amazon Rekognition 的現有功能。您可以上傳一小組專屬於使用案例的標記訓練影像 （通常每個類別數百個或更少），而不是完整訓練具有數千或數萬個影像的模型。如果您的圖像已新增標籤，Amazon Rekognition 自訂標籤可以在短時間內開始培訓模型。如果沒有，您可以直接在標記介面中標記圖像，也可以使用 Amazon SageMaker Ground Truth 為您標記圖像。

Amazon Rekognition 自訂標籤開始根據您的圖像集進行培訓後，它可以在短短幾小時內為您產生自訂圖像分析模型。在後台，Amazon Rekognition 自訂標籤會自動載入和檢查培訓資料、選擇正確的機器學習演算法、培訓模型並提供模型的效能指標。然後，您可以透過 Amazon Rekognition 自訂標籤 API 使用自訂模型並將其整合到您的應用程式當中。

以下是 Amazon Rekognition 自訂標籤的優點：
+ 自動化訓練和調校需要最少的精力
+ 支援多標籤分類

以下是 Amazon Rekognition 自訂標籤的缺點：
+ 無法控制目標函數、網路架構或初始模型權重。
+ 相較於具有更可自訂設定的訓練管道，自動化訓練和調校可能耗時且更昂貴。（如果訓練不常發生，這比較不重要。)

如需詳細資訊，請參閱下列內容：
+ 《[Amazon Rekognition 自訂標籤開發人員指南》中的設定](https://docs.aws.amazon.com/rekognition/latest/customlabels-dg/setting-up.html) *Amazon Rekognition 自訂標籤*
+ 《[Amazon Rekognition 自訂標籤開發人員指南》中的 Amazon Rekognition 自訂標籤入門](https://docs.aws.amazon.com/rekognition/latest/customlabels-dg/getting-started.html) *Amazon Rekognition *