Verbesserung der Genauigkeit mit benutzerdefinierter Moderation - Amazon Rekognition

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Verbesserung der Genauigkeit mit benutzerdefinierter Moderation

Mit Amazon Rekognition DetectModerationLabelsAPIkönnen Sie Inhalte erkennen, die unangemessen, unerwünscht oder anstößig sind. Mit der Funktion Rekognition Custom Moderation können Sie die Genauigkeit von mithilfe DetectModerationLabelsvon Adaptern verbessern. Adapter sind modulare Komponenten, die zu einem bestehenden Deep-Learning-Modell von Rekognition hinzugefügt werden können, wodurch dessen Funktionen für die Aufgaben, für die es trainiert wurde, erweitert werden. Indem Sie einen Adapter erstellen und ihn für den DetectModerationLabelsVorgang bereitstellen, können Sie eine höhere Genauigkeit bei den Aufgaben der Inhaltsmoderation erreichen, die sich auf Ihren speziellen Anwendungsfall beziehen.

Wenn Sie das Inhaltsmoderationsmodell von Rekognition für bestimmte Moderationslabels anpassen, müssen Sie ein Projekt erstellen und einen Adapter anhand einer Reihe von Bildern trainieren, die Sie bereitstellen. Anschließend können Sie die Leistung des Adapters iterativ überprüfen und den Adapter so anpassen, dass er den gewünschten Genauigkeitsgrad erreicht. Projekte werden verwendet, um die verschiedenen Versionen von Adaptern zu enthalten.

Sie können die Rekognition-Konsole verwenden, um Projekte und Adapter zu erstellen. Alternativ können Sie einen AWS SDK und den zugehörigen verwenden, um ein Projekt APIs zu erstellen, einen Adapter zu trainieren und Ihre Adapter zu verwalten.