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 API 參考 Amazon Rekognition 自訂標籤 API 會記錄成為 Amazon Rekognition API 參考內容的一部份。這是 Amazon Rekognition 自訂標籤 API 操作的列表，其中包括指向對應 Amazon Rekognition API 參考主題的連結。此外，本文檔中的 API 參考連結可前往相應的 Amazon Rekognition 開發人員指南 API 的參考主題。如需更多使用 API 的詳細資訊，請參閱 [ 了解 Amazon Rekognition 自訂標籤了解 Amazon Rekognition 自訂標籤 本節提供工作流程的概觀，以訓練並使用 Amazon Rekognition 自訂標籤模型搭配 主控台和 AWS SDK。 Amazon Rekognition 自訂標籤現在可以管理專案內的資料集。您可以使用 主控台和 AWS SDK 為您的專案建立資料集。如果您之前曾使用過 Amazon Rekognition 自訂標籤，您的舊資料集可能需要與新專案建立關聯。如需更多詳細資訊，請參閱 [步驟 6：(可選) 將舊資料集與新專案建立關聯](su-associate-prior-dataset.md)。 決定模型類型 您首先決定要培訓的模型類型，這取決於您的業務目標。例如，您可以培訓模型在社交媒體貼文中尋找您的標誌、識別商店貨架上的產品或對裝配線上的機器零件進行分類。 Amazon Rekognition 自訂標籤可培訓以下類型的模型： [尋找物件、場景和概念](#tm-classification) [尋找物件位置](#tm-object-localization) [尋找品牌的位置](#tm-brand-detection-localization) 為了協助您決定要培訓的模型類型，Amazon Rekognition 自訂標籤提供您可以使用的範例專案。如需詳細資訊，請參閱[Amazon Rekognition 自訂標籤入門](getting-started.md)。 尋找物件、場景和概念 該模型預測與整個圖像相關聯的物件、場景和概念的分類。例如，您可以訓練一個模型來確定圖像是否包含 *旅遊景點*。如需範例專案，請參閱 [Image classification](getting-started.md#gs-image-classification-example)。下列湖泊影像是您可以辨識物件、場景和概念的影像類型範例。 ![在日落或日出反射雲朵和山脈的陡峭湖。](http://docs.aws.amazon.com/zh_tw/rekognition/latest/customlabels-dg/images/pateros.jpg) 或者，您可以培訓一個將圖像分類為多個類別的模型。例如，上一張圖像可能具有 *天空顏色*、 *反射* 或 *湖泊* 等類別。如需範例專案，請參閱 [多標籤影像分類](getting-started.md#gs-multi-label-image-classification-example)。 尋找物件位置 該模型會預測圖像上物件的位置。預測包括物件位置的邊界框資訊，以及用來識別邊界框內物件的標籤。例如，下圖顯示了電路板各個部分，例如 *比較器* 或 *電位器* 周圍的邊界框。 ![元件影像顯示電路板上的 IR LED、鍋電阻和比較器晶片。](http://docs.aws.amazon.com/zh_tw/rekognition/latest/customlabels-dg/images/localization-circuit-board.png) [物件本地化](getting-started.md#gs-object-localization-example) 的範例專案展示了 Amazon Rekognition 自訂標籤如何使用標籤的邊界框來培訓尋找物件位置的模型。 尋找品牌的位置 Amazon Rekognition 自訂標籤可培訓在圖像上尋找品牌位置（例如商標）的模型。預測包括品牌位置的邊界框資訊，以及用來識別邊界框內物件的標籤。如需範例專案，請參閱 [品牌偵測](getting-started.md#gs-brand-detection-example)。下圖是模型可以偵測的一些品牌的範例。 ![顯示 Lambda 服務將使用者活動饋送至 Amazon Pinpoint 以取得建議的圖表。](http://docs.aws.amazon.com/zh_tw/rekognition/latest/customlabels-dg/images/brand-detection-lambda.png) 建立模型 建立模型的步驟包括建立專案、建立培訓和測試資料集，以及培訓模型。 建立專案 Amazon Rekognition 自訂標籤專案是建立和管理模型所需的一組資源。專案會管理下列項目： **資料集** — 用來培訓模型的圖像和圖像標籤。專案備有培訓資料集和測試資料集。 **模型** — 您培訓此軟體來尋找您的業務獨有的概念、場景和物件。您可以在一個專案中擁有多個模型版本。 建議您將專案用於單一使用案例，例如在電路板上尋找電路板零件。 您可以使用 Amazon Rekognition 自訂標籤主控台和 [建立專案](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CreateProject) API 來建立專案。如需詳細資訊，請參閱[建立專案](mp-create-project.md)。 建立培訓和測試資料集 資料集是描述這些影像的一組影像和標籤。在專案中，您可以建立培訓資料集和測試資料集，Amazon Rekognition 自訂標籤會使用它們來培訓和測試模型。 標籤可識別影像中物件周圍的物件、場景、概念或週框方塊。標籤會指定給整個圖像 (*圖像層級*)，或將標籤指定給圍繞圖像物件的邊界框。 如何標記資料集中的圖像，會決定 Amazon Rekognition 自訂標籤所建立的模型類型。例如，若要培訓尋找物件、場景和概念的模型，您可以為培訓和測試資料集中的圖像分配圖像層級標籤。如需詳細資訊，請參閱[規劃資料集](md-dataset-purpose.md)。 圖像必須為 PNG 和 JPEG 格式，並且您應該遵循輸入圖像的建議。如需詳細資訊，請參閱[準備影像](md-prepare-images.md)。 建立培訓和測試資料集 (主控台) 您可以使用單一資料集，或使用個別的培訓和測試資料集來啟動專案。如果您從單一資料集開始，Amazon Rekognition 自訂標籤會在培訓期間分割您的資料集，以便為您的專案建立培訓資料集 (80%) 和測試資料集 (20%)。如果您希望 Amazon Rekognition 自訂標籤決定要用於培訓和測試的圖像，請從單一資料集開始。為了完全控制培訓、測試和效能調整，我們建議您使用個別的培訓和測試資料集來啟動專案。 若要建立專案的資料集，請使用下列其中一種方式匯入圖像： 從本機電腦匯入圖像。 從 S3 儲存貯體匯入圖像。Amazon Rekognition 自訂標籤可以使用包含圖像的資料夾名稱來標記圖像。 匯入 Amazon SageMaker AI Ground Truth 資訊清單檔案。 複製現有 Amazon Rekognition 自訂標籤資料集。 如需詳細資訊，請參閱[建立包含影像的訓練和測試資料集](md-create-dataset.md)。 依據您匯入影像的位置而定，您的影像可能沒有標記。例如，從本機電腦匯入的影像即沒有標記。從 Amazon SageMaker AI Ground Truth 資訊清單檔案匯入的影像會加上標籤。您可以使用 Amazon Rekognition 自訂標籤主控台來新增、變更和分配標籤。如需詳細資訊，請參閱[標記檔案](md-labeling-images.md)。 若要使用主控台建立培訓和測試資料集，請參閱 [建立包含影像的訓練和測試資料集](md-create-dataset.md)。如需包含建立培訓和測試資料集的教學課程，請參閱 [分類映像](tutorial-classification.md)。 建立培訓和測試資料集 (SDK) 若要建立培訓和測試資料集，請使用 `CreateDataset` API。您可以使用 Amazon SageMaker 格式清單檔案或複製現有的 Amazon Rekognition 自訂標籤資料集來建立資料集。如需更多詳細資訊，請參閱 [建立訓練和測試資料集 (SDK)](md-create-dataset.md#cd-create-dataset-sdk)。如有必要，您可以建立自己的清單檔案。如需詳細資訊，請參閱[建立清單檔案](md-create-manifest-file.md)。 培訓模型 使用培訓資料集培訓您的模型。每次培訓模型時，都會建立新版本的模型。在培訓期間，Amazon Rekognition 自訂標籤會測試培訓模型的效能。您可以使用結果來評估和改善模型。培訓需要一段時間才能完成。您只需為成功的模型培訓付費。如需詳細資訊，請參閱[培訓 Amazon Rekognition 自訂標籤模型](training-model.md)。如果模型培訓失敗，Amazon Rekognition 自訂標籤會提供您可以使用的偵錯資訊。如需詳細資訊，請參閱[偵錯失敗的模型訓練](tm-debugging.md)。 培訓模型（主控台） 若要使用主控台培訓模型，請參閱 [培訓模型（主控台）](training-model.md#tm-console)。 培訓模型 (SDK) 您可以呼叫 [建立專案版本](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CreateProjectVersion) 來培訓 Amazon Rekognition 自訂標籤模型。如需詳細資訊，請參閱[培訓模型 (SDK)](training-model.md#tm-sdk)。 改善模型 在測試期間，Amazon Rekognition 自訂標籤會建立評估指標，讓您可以使用這些指標來改善培訓過的模型。 評估模型 使用在測試期間建立的效能指標來評估模型的效能。效能指標 (例如 F1、精確度和召回) 可讓您了解經過訓練的模型的效能，並決定是否準備好在生產中使用它。如需詳細資訊，請參閱[用於評估模型的指標](im-metrics-use.md)。 評估模型 (主控台) 如要檢視效能指標，請參閱 [存取評估指標 (主控台)](im-access-training-results.md)。 評估模型 (SDK) 要獲取效能指標，請呼叫 [描述專案版本](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjectVersions) 以獲取測試結果。如需詳細資訊，請參閱[存取 Amazon Rekognition 自訂標籤評估指標 (SDK)](im-metrics-api.md)。測試結果包括主控台中不可用的指標，例如分類結果的混淆矩陣。測試結果以下列格式傳回： F1 分數 — 代表模型精確度和召回的整體效能的單一值。如需詳細資訊，請參閱[F1](im-metrics-use.md#im-f1-metric)。 摘要檔案位置 — 測試摘要包括整個測試資料集的彙總評估指標，以及每個個別標籤的指標。`DescribeProjectVersions` 傳回摘要檔案的 S3 儲存貯體和資料夾位置。如需詳細資訊，請參閱[存取模型摘要檔案](im-summary-file-api.md)。 評估清單檔案快照位置 — 快照包含有關測試結果的詳細資料，包括信賴度分級和二進制分類測試的結果，例如誤報。`DescribeProjectVersions` 傳回快照檔案的 S3 儲存貯體和資料夾位置。如需詳細資訊，請參閱[解譯評估資訊清單快照](im-evaluation-manifest-snapshot-api.md)。 改善模型 如果需要改進，您可以新增更多培訓圖像或改善資料集標籤。如需詳細資訊，請參閱[改善 Amazon Rekognition 自訂標籤模型](tr-improve-model.md)。您也可以針對模型所做的預測提供意見反饋，並使用它來改善模型。如需詳細資訊，請參閱[使用模型意見回饋改善模型](ex-feedback.md)。 改善模型（主控台） 若要新增影像至資料集，請參閱 [將更多圖像新增至資料集](md-add-images.md)。若要加入或變更標籤，請參閱 [標記檔案](md-labeling-images.md)。 若要重新培訓模型，請參閱 [培訓模型（主控台）](training-model.md#tm-console)。 改善模型 (SDK) 若要將圖像新增至資料集或變更圖像的標籤，請使用 `UpdateDatasetEntries` API。`UpdateDatasetEntries` 更新或將 JSON 文件添加至清單檔案。每個 JSON 文件都包含單一圖像的資訊，例如分配的標籤或邊界框資訊。如需詳細資訊，請參閱[新增更多圖像 (SDK)](md-add-images.md#md-add-images-sdk)。若要檢視資料集中的條目，請使用 `ListDatasetEntries` API。 若要重新培訓模型，請參閱 [培訓模型 (SDK)](training-model.md#tm-sdk-datasets)。 啟動模型 在您可以使用模型之前，請先使用 Amazon Rekognition 自訂標籤主控台或 `StartProjectVersion` API 啟動模型。您需要根據模型執行時間付費。如需詳細資訊，請參閱[執行培訓過的 Amazon Rekognition 自訂標籤模型](running-model.md)。 啟動模型 (主控台) 若要使用主控台啟動模型，請參閱 [啟動 Amazon Rekognition 自訂標籤模型 (主控台)](rm-start.md#rm-start-console)。 啟動模型 您可以呼叫 [啟動模型版本](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StartProjectVersion) 來啟動模型。如需詳細資訊，請參閱[啟動 Amazon Rekognition 自訂標籤模型 (SDK)](rm-start.md#rm-start-sdk)。 分析圖像 若要使用模型分析圖像，請使用 `DetectCustomLabels` API。您可以指定本機圖像或存放在 S3 儲存貯體中的圖像。此操作還需要您想要使用的模型的 Amazon Resource Name (ARN)。 如果您的模型找到物件、場景和概念，則回應會包含在圖像中找到的圖像層級標籤清單。例如，下圖展示使用 *Rooms* 範例專案找到的圖像層級標籤。 ![客廳設有火場、棕色沙發、椅子、咖啡桌和牆上的景觀美術。門通往戶外露台。](http://docs.aws.amazon.com/zh_tw/rekognition/latest/customlabels-dg/images/rooms.jpg) 如果模型找到物件位置，則回應會包含在圖像中找到的已標籤的邊界框清單。週框方塊代表物件在影像上的位置。您可以使用邊界框資訊，在物件周圍繪製邊界框。例如，以下圖像展示了使用 *電路板範例* 專案找到的電路板零件周圍的邊界框。 ![具有 IR LED、光轉換器和電位計進行調整的電路板。](http://docs.aws.amazon.com/zh_tw/rekognition/latest/customlabels-dg/images/circuitboardparts.jpg) 如需詳細資訊，請參閱[使用經過培訓的模型分析圖像](detecting-custom-labels.md)。 停止模型 您需要根據模型的執行時間付費。如果您不再使用模型，請使用 Amazon Rekognition 自訂標籤主控台或使用 `StopProjectVersion` API 停止模型。如需詳細資訊，請參閱[停止 Amazon Rekognition 自訂標籤模型](rm-stop.md)。 停止模型（主控台） 若要使用主控台停止執行中的模型，請參閱 [停止 Amazon Rekognition 自訂標籤模型 (主控台)](rm-stop.md#rm-stop-console)。 停止模型 (SDK) 若要停止執行中的模型，請呼叫 [停止專案版本](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StopProjectVersion)。如需詳細資訊，請參閱[停止 Amazon Rekognition 自訂標籤模型 (SDK)](rm-stop.md#rm-stop-sdk)。 ](understanding-custom-labels.md)。 ## 培訓您的模型 ### 專案 + [建立專案](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CreateProject) — 建立您的 Amazon Rekognition 自訂標籤專案，是資源（圖像、標籤、模型）和操作（培訓、評估和偵測）的邏輯分組。 + [刪除專案](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DeleteProject) — 刪除 Amazon Rekognition 自訂標籤專案。 + [描述專案](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjects) — 傳回所有 Amazon Rekognition 自訂標籤專案的清單。 ### 專案政策 + [PutProjectPolicy](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_PutProjectPolicy)：將專案政策連接至信任 AWS 帳戶中的 Amazon Rekognition 自訂標籤專案。 + [列出專案政策](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_ListProjectPolicies) — 傳回附加至專案的專案政策清單。 + [刪除專案政策](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DeleteProjectPolicy) — 刪除現有的專案政策。 ### 資料集 + [建立資料集](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CreateDataset) — 建立 Amazon Rekognition 自訂標籤資料集。 + [刪除資料集](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DeleteDataset) — 刪除 Amazon Rekognition 自訂標籤資料集。 + [描述資料集](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeDataset) — 描述 Amazon Rekognition 自訂標籤資料集。 + [分佈資料集條目](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DistributeDatasetEntries) — 將培訓資料集中的條目（圖像）分佈至專案的培訓資料集和測試資料集當中。 + [列出資料集條目](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_ListDatasetEntries) — 傳回 Amazon Rekognition 自訂標籤資料集中的條目（圖像）清單。 + [列出資料集標籤](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_ListDatasetLabels) — 傳回指派給 Amazon Rekognition 自訂標籤資料集的標籤清單。 + [更新資料集條目](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_UpdateDatasetEntries) — 新增或更新 Amazon Rekognition 自訂標籤資料集中的條目（圖像）。 ### 模型 + [建立專案版本](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CreateProjectVersion) — 培訓您的 Amazon Rekognition 自訂標籤模型。 + [複製專案版本](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_CopyProjectVersion) — 複製您的 Amazon Rekognition 自訂標籤模型。 + [刪除專案版本](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DeleteProjectVersion) — 刪除 Amazon Rekognition 自訂標籤模型。 + [描述專案版本](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DescribeProjectVersions) — 傳回特定專案中所有 Amazon Rekognition 自訂標籤模型的清單。 ### 標籤 + [標籤資源](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_TagResource) — 將一個或多個鍵/值標籤新增至 Amazon Rekognition 自訂標籤模型。 + [取消標籤資源](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_UntagResource) — 從 Amazon Rekognition 自訂標籤模型中刪除一個或多個標籤。 ## 使用您的模型 + [偵測自訂標籤](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectCustomLabels) — 使用您的自訂標籤模型分析圖像。 + [啟動專案版本](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StartProjectVersion) — 啟動您的自訂標籤模型。 + [停止專案版本](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_StopProjectVersion) — 停止您的自訂標籤模型。