Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
# Clasificación de imágenes
En este tutorial, se explica cómo crear el proyecto y los conjuntos de datos para un modelo que clasifica los objetos, las escenas y los conceptos que se encuentran en una imagen. El modelo clasifica toda la imagen. Por ejemplo, según este tutorial, puede entrenar un modelo para que reconozca las ubicaciones de una casa, como la sala de estar o la cocina. El tutorial también le enseña a utilizar el modelo para analizar imágenes.
Antes de comenzar el tutorial, le recomendamos que lea [Qué es Etiquetas personalizadas de Amazon Rekognition](understanding-custom-labels.md).
En este tutorial, creará los conjuntos de datos de entrenamiento y de prueba cargando imágenes en su ordenador local. Más adelante, asignará etiquetas de imagen a las imágenes de los conjuntos de datos de entrenamiento y prueba.
El modelo que cree clasificará las imágenes como pertenecientes al grupo de etiquetas de imagen que asigne a las imágenes del conjunto de datos de entrenamiento. Por ejemplo, si el conjunto de etiquetas de imagen del conjunto de datos de entrenamiento es `kitchen`, `living_room`, `patio` y `backyard`, el modelo podrá encontrar todas esas etiquetas de imagen en una sola imagen.
**nota**
Puede crear modelos para distintos fines, como encontrar la ubicación de objetos en una imagen. Para obtener más información, consulte [Cómo decidir el tipo de modelo](understanding-custom-labels.md#tm-intro-model-type).
## Paso 1: Reunir las imágenes
Necesitará dos grupos de imágenes. Un grupo para agregar a su conjunto de datos de entrenamiento. Y otro grupo para agregar a su conjunto de datos de prueba. Las imágenes deben representar los objetos, las escenas y los conceptos que desee que clasifique su modelo. Las imágenes deben tener formato PNG o JPEG. Para obtener más información, consulte [Preparación de imágenes](md-prepare-images.md).
Debe tener al menos 10 imágenes para su conjunto de datos de entrenamiento y 10 imágenes para su conjunto de datos de prueba.
Si aún no tiene ninguna imagen, use las de ejemplo del proyecto de clasificación *Habitaciones*. Tras crear el proyecto, las imágenes de entrenamiento y de prueba estarán disponibles en las siguientes ubicaciones del bucket de Amazon S3:
+ Imágenes de entrenamiento: `s3://custom-labels-console-{{region}}-{{numbers}}/assets/rooms_{{version number}}_test_dataset/`
+ Imágenes de prueba: `s3://custom-labels-console-{{region}}-{{numbers}}/assets/rooms_{{version number}}_test_dataset/`
`region`es la AWS región en la que utiliza la consola de etiquetas personalizadas de Amazon Rekognition. `numbers`es un valor que la consola asigna al nombre del bucket. `Version number`es el número de versión del proyecto de ejemplo, empezando por 1.
El siguiente procedimiento almacena las imágenes del proyecto Habitaciones en carpetas locales del equipo denominadas `training` y `test`.
**Cómo descargar los archivos de imagen del proyecto Habitaciones**
1. Cree el proyecto Habitaciones. Para obtener más información, consulte [Paso 1: Elegir un proyecto de ejemplo](gs-step-choose-example-project.md).
1. Abra el símbolo del sistema y escriba el siguiente comando para descargar las imágenes de entrenamiento.
```
aws s3 cp s3://custom-labels-console-{{region}}-{{numbers}}/assets/rooms_{{version number}}_training_dataset/ training --recursive
```
1. En el símbolo del sistema, introduzca el siguiente comando para descargar las imágenes de prueba.
```
aws s3 cp s3://custom-labels-console-{{region}}-{{numbers}}/assets/rooms_{{version number}}_test_dataset/ test --recursive
```
1. Mueva dos de las imágenes de la carpeta de entrenamiento a una carpeta independiente que elija. Usará las imágenes para probar el modelo entrenado en [Paso 9: Analizar una imagen con su modelo](#tutorial-step-get-a-prediction).
## Paso 2: Decidir las clases
Haga una lista de las clases que desee que busque su modelo. Por ejemplo, si va a entrenar un modelo para que reconozca las habitaciones de una casa, puede clasificar la siguiente imagen como `living_room`.
Cada clase se asigna a una etiqueta de imagen. Más adelante, asignará las etiquetas de imagen a las imágenes de los conjuntos de datos de entrenamiento y de prueba.
Si va a usar las imágenes del proyecto de ejemplo Habitaciones, las etiquetas de imagen son *terraza*, *baño*, *dormitorio*, *armario*, *camino\_entrada*, *plano\_planta*, *patio\_delantero*, *cocina*, *sale\_estar* y *patio*.
## Paso 3: Crear un proyecto
Para administrar sus conjuntos de datos y modelos, debe crear un proyecto. Cada proyecto debe usarse para una aplicación concreta, como reconocer las habitaciones de una casa.
**Cómo crear un proyecto (consola)**
1. Si aún no lo ha hecho, configure la consola de Etiquetas personalizadas de Amazon Rekognition. Para obtener más información, consulte [Configuración de Etiquetas personalizadas de Amazon Rekognition](setting-up.md).
1. Inicie sesión en la consola Amazon Rekognition Consola de administración de AWS y ábrala en. [https://console.aws.amazon.com/rekognition/](https://console.aws.amazon.com/rekognition/)
1. En el panel izquierdo, elija **Usar etiquetas personalizadas**. Se abrirá la página de inicio de Etiquetas personalizadas de Amazon Rekognition.
1. En la página de inicio de Etiquetas personalizadas de Amazon Rekognition, seleccione **Comenzar**.
1. En el panel de navegación izquierdo, elija **Proyectos**.
1. En la página Proyectos, elija **Crear proyecto**.
1. En **Nombre del proyecto**, introduzca un nombre para el proyecto.
1. Seleccione **Crear proyecto** para crearlo.
## Paso 4: Crear conjuntos de datos de entrenamiento y de prueba
En este paso, creará un conjunto de datos de entrenamiento y de prueba cargando imágenes de su ordenador local. Puede cargar hasta 30 imágenes a la vez. Si tiene que cargar muchas imágenes, piense en crear los conjuntos de datos importándolos desde un bucket de Amazon S3. Para obtener más información, consulte [Importar imágenes desde un bucket de Amazon S3](md-create-dataset-s3.md).
Para obtener más información sobre los conjuntos de datos, consulte [Administración de conjuntos de datos](managing-dataset.md).
**Cómo crear un conjunto de datos con imágenes en un ordenador local (consola)**
1. En la página de detalles del proyecto, elija **Crear conjunto de datos**.
1. En la sección **Configuración inicial**, seleccione **Comenzar con un conjunto de datos de entrenamiento y un conjunto de datos de prueba**.
1. En la sección **Detalles del conjunto de datos de entrenamiento**, seleccione **Cargar imágenes del ordenador**.
1. En la sección **Detalles del conjunto de datos de prueba**, seleccione **Cargar imágenes del ordenador**.
1. Elija **Crear conjuntos de datos**.
1. Se abrirá la página de conjuntos de datos del proyecto con las pestañas **Entrenamiento** y **Prueba** con los conjuntos de datos respectivos.
1. En la página del conjunto de datos, seleccione la pestaña **Entrenamiento**.
1. Seleccione **Acciones** y luego **Agregar imágenes al conjunto de datos de entrenamiento**.
1. En el cuadro de diálogo **Agregar imágenes al conjunto de datos de entrenamiento**, seleccione **Elegir archivos**.
1. Escoja las imágenes que quiera cargar en el conjunto de datos. Puede cargar hasta 30 imágenes a la vez.
1. Seleccione **Cargar imágenes**. Etiquetas personalizadas de Amazon Rekognition puede tardar unos segundos en agregar las imágenes al conjunto de datos.
1. Si tiene más imágenes que agregar al conjunto de datos de entrenamiento, repita los pasos del 9 al 12.
1. Elija la pestaña **Prueba**.
1. Repita los pasos del 8 al 12 para agregar imágenes al conjunto de datos de prueba. En el paso 8, seleccione **Acciones** y luego **Agregar imágenes al conjunto de datos de prueba**.
## Paso 5: Agregar etiquetas al proyecto
En este paso, agregue una etiqueta al proyecto para cada una de las clases que identificó en el paso [Paso 2: Decidir las clases](#tutorial-classify-images-decide-categories).
**Cómo agregar una nueva etiqueta (consola)**
1. En la página de la galería de conjuntos de datos, seleccione **Empezar a etiquetar** para activar el modo de etiquetado.
1. En la sección **Etiquetas** de la galería de conjuntos de datos, elija **Editar etiquetas** para abrir el cuadro de diálogo **Administrar etiquetas**.
1. En el cuadro de edición, introduzca un nombre de etiqueta nuevo.
1. Elija **Agregar etiqueta**.
1. Repita los pasos 3 y 4 hasta terminar de crear todas las etiquetas que necesite.
1. Elija **Guardar** para guardar las etiquetas que haya añadido.
## Paso 6: Asignar etiquetas de imagen a los conjuntos de datos de entrenamiento y de prueba
En este paso, asignará una sola clase de imagen a cada imagen en los conjuntos de datos de entrenamiento y de prueba. La etiqueta de imagen es la clase que representa cada imagen.
**Cómo asignar etiquetas de imagen a una imagen (consola)**
1. En la página **Conjuntos de datos**, elija la pestaña **Entrenamiento**.
1. Elija **Comenzar a etiquetar** para activar el modo de etiquetado.
1. Seleccione una o varias imágenes a las que desee agregar etiquetas. Solo puede seleccionar imágenes en una sola página a la vez. Cómo seleccionar una serie contigua de imágenes en una página:
1. Seleccione la primera imagen.
1. Deje pulsada la tecla Mayús.
1. Seleccione la segunda imagen. Se seleccionarán también las imágenes entre la primera y la segunda imagen.
1. Suelte la tecla Mayús.
1. Elija **Asignar etiquetas de imagen**.
1. En el cuadro de diálogo **Asignar etiquetas de imagen a las imágenes seleccionadas**, seleccione la etiqueta que desee asignar a la imagen o imágenes.
1. Elija **Asignar** para asignar una etiqueta a la imagen.
1. Repita el proceso de etiquetado hasta que todas las imágenes estén anotadas con las etiquetas necesarias.
1. Elija la pestaña **Prueba**.
1. Repita los pasos para asignar etiquetas de imagen a las imágenes del conjunto de datos de prueba.
## Paso 7: Entrenar un modelo
Siga los pasos que se indican a continuación para entrenar el modelo. Para obtener más información, consulte [Entrenamiento de un modelo de Etiquetas personalizadas de Amazon Rekognition](training-model.md).
**Cómo entrenar su modelo (consola)**
1. En la página **Conjunto de datos**, seleccione **Entrenar modelo**.
1. En la página **Entrenar modelo**, elija **Entrenar modelo**. El nombre de recurso de Amazon (ARN) del proyecto se encuentra en el cuadro de edición **Elegir proyecto**.
1. En el cuadro de diálogo **¿Quiere entrenar su modelo?**, escoja **Entrenar modelo**.
1. En la sección **Modelos** de la página del proyecto, podrá ver que el entrenamiento en curso. Para comprobar el estado actual, consulte la columna `Model Status` correspondiente a la versión del modelo. El entrenamiento de un modelo tarda un tiempo en completarse.
1. Una vez finalizado, elija el nombre del modelo. El entrenamiento termina cuando el estado del modelo es **TRAINING\_COMPLETED**.
1. Pulse el botón **Evaluar** para ver los resultados de la evaluación. Para obtener información sobre la evaluación de un modelo, consulte [Mejora de un modelo de Etiquetas personalizadas de Amazon Rekognition](improving-model.md).
1. Seleccione **Ver resultados de pruebas** para ver los resultados de cada una de las imágenes de prueba. Para obtener más información, consulte [Métricas para evaluar su modelo](im-metrics-use.md).
1. Tras ver los resultados de las pruebas, elija el nombre del modelo para volver a la página del modelo.
## Paso 8: Ejecutar el modelo
En este paso iniciará el modelo. Después de iniciar el modelo, puede usarlo para analizar nuevas imágenes.
Se le cobrará por la cantidad de tiempo de ejecución del modelo. Detenga el modelo si no necesita analizar imágenes. Puede reiniciar el modelo más adelante. Para obtener más información, consulte [Ejecución de un modelo de Etiquetas personalizadas de Amazon Rekognition](running-model.md).
**Cómo iniciar el modelo**
1. Seleccione la pestaña **Usar modelo** en la página del modelo.
1. En la sección **Iniciar o detener modelo**, haga lo siguiente:
1. Elija **Iniciar**.
1. En el cuadro de diálogo **Iniciar modelo**, seleccione **Iniciar**.
1. Espere a que se ejecute el modelo. El modelo está funcionando cuando el estado de la sección **Iniciar o detener modelo** tiene la opción **En ejecución** activada.
## Paso 9: Analizar una imagen con su modelo
Para analizar una imagen, llame a la API. [DetectCustomLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectCustomLabels) En este paso, utilizas el comando `detect-custom-labels` AWS Command Line Interface (AWS CLI) para analizar una imagen de ejemplo. El AWS CLI comando se obtiene de la consola Amazon Rekognition Custom Labels. La consola configura el AWS CLI comando para usar su modelo. Solo necesita facilitar una imagen que esté almacenada en un bucket de Amazon S3.
**nota**
La consola también ofrece un código de ejemplo de Python.
El resultado de `detect-custom-labels` incluye una lista de las etiquetas que se encuentran en la imagen, cuadros delimitadores (si el modelo encuentra ubicaciones de objetos) y la confianza que el modelo tiene en la precisión de las predicciones.
Para obtener más información, consulte [Análisis de una imagen con un modelo entrenado](detecting-custom-labels.md).
**Cómo analizar una imagen (consola)**
1. Si aún no lo ha hecho, configure. AWS CLI Para obtener instrucciones, consulte [Paso 4: Configure y AWS CLI AWS SDKs](su-awscli-sdk.md).
1. Seleccione la pestaña **Usar modelo** y luego elija **Código de API**.
1. Elija **Comando AWS CLI**.
1. En la sección **Analizar imagen**, copia el AWS CLI comando que llama`detect-custom-labels`.
1. Cargue una imagen en un bucket de Amazon S3. Para ver las instrucciones, consulte [Carga de objetos en Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/userguide/UploadingObjectsintoAmazonS3.html) en la *Guía del usuario de Amazon Simple Storage Service*. Si va a usar imágenes del proyecto Habitaciones, utilice una de las imágenes que haya movido a una carpeta independiente en [Paso 1: Reunir las imágenes](#tutorial-classify-images-collect-images).
1. En la línea de comandos, introduzca el AWS CLI comando que copió en el paso anterior. Debería ser similar al ejemplo siguiente.
El valor de `--project-version-arn` debe ser el nombre de recurso de Amazon (ARN) del modelo. El valor de `--region` debe ser la región de AWS en la que se creó el modelo.
Cambie `MY_BUCKET` y `PATH_TO_MY_IMAGE` por el bucket de Amazon S3 y la imagen que utilizó en el paso anterior.
Si va a usar el perfil [custom-labels-access](su-sdk-programmatic-access.md#su-sdk-programmatic-access-customlabels-examples) para obtener las credenciales, añada el parámetro `--profile custom-labels-access`.
```
aws rekognition detect-custom-labels \
--project-version-arn "{{model_arn}}" \
--image '{"S3Object": {"Bucket": "{{MY_BUCKET}}","Name": "{{PATH_TO_MY_IMAGE}}"}}' \
--region {{us-east-1}} \
--profile custom-labels-access
```
El resultado JSON del comando AWS CLI debería tener un aspecto similar al siguiente. `Name` es el nombre de la etiqueta de imagen que detectó el modelo. `Confidence` (0-100) es la confianza del modelo en la precisión de la predicción.
```
{
"CustomLabels": [
{
"Name": "living_space",
"Confidence": 83.41299819946289
}
]
}
```
1. Siga utilizando el modelo para analizar otras imágenes. Detenga el modelo si deja de usarlo.
## Paso 10: Detener el modelo
En este paso, dejará de ejecutar el modelo. Se le cobrará por la cantidad de tiempo de ejecución del modelo. Si ha terminado de usar el modelo, debe detenerlo.
**Cómo detener su modelo**
1. En la sección **Iniciar o detener modelo**, seleccione **Detener**.
1. En el cuadro de diálogo **Detener modelo**, escriba **detener** para confirmar que desea detener el modelo.
1. Seleccione **Detener** para detener el modelo. El modelo se habrá detenido cuando el estado de la sección **Iniciar o detener modelo** tenga la opción **Detenido** activada.
