Amazon Rekognition - AWS 方案指引

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

對於可見頻譜中的影像分類，模型通常會透過傳輸學習和預先訓練的神經網路微調來建立。您可以使用 Amazon Rekognition 服務自動化網路選擇和訓練的任務。

Amazon Rekognition 提供一組標準分類標籤。標籤是根據其內容在影像或影片中找到的物件或概念 （包括場景和動作）。例如，熱帶海灘上的人物影像可能包含標籤，例如 Palm Tree（物件）、 Beach （場景）、 Running（動作） 和 Outdoors（概念）。如需 Amazon Rekognition 支援標籤的詳細資訊，請參閱 服務文件中的偵測物件和概念。

對於在 Amazon Rekognition 中需要標準標籤的任務，測試此服務是值得的。如果 Amazon Rekognition 可以滿足您的需求，則會抽象模型選擇、訓練和維護。它提供預先訓練的推論服務，並 AWS 處理服務的維護。從 Amazon Rekognition 取得預測非常簡單。

以下是 Amazon Rekognition 的優點：

  • 立即可用且可擴展

  • 不需要訓練或組態

  • 支援多標籤分類

以下是 Amazon Rekognition 的缺點：

  • 固定的預測類別集

  • 推論單位提供大量容量，而最小的單位可能成本很低，因此輸送量很小

如需詳細資訊，請參閱下列內容：