¿Qué es Etiquetas personalizadas de Amazon Rekognition? - Rekognition

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.

¿Qué es Etiquetas personalizadas de Amazon Rekognition?

Con Etiquetas personalizadas de Amazon Rekognition, puede identificar los objetos, logotipos y escenas en imágenes que son específicos para las necesidades de su empresa. Por ejemplo, puede encontrar su logotipo en publicaciones de redes sociales, identificar sus productos en los estantes de las tiendas, clasificar piezas de máquinas en una línea de montaje, distinguir plantas en buen estado o infectadas o detectar a personajes animados en vídeos.

Desarrollar un modelo personalizado para analizar imágenes es una tarea importante que requiere tiempo, experiencia y recursos. Además, suele tardar meses. También se necesitan miles o decenas de miles de imágenes etiquetadas manualmente para dar al modelo los datos suficientes para tomar las decisiones pertinentes con precisión. La recopilación de estos datos puede llevar meses y puede exigir que grandes equipos de etiquetadores los preparen para usarlos en el proceso de machine learning.

Etiquetas personalizadas de Amazon Rekognition amplía las anteriores funcionalidades de Amazon Rekognition, que ya se utilizan en decenas de millones de imágenes de muchas categorías. En lugar de miles de imágenes, puede cargar un grupo pequeño de imágenes de entrenamiento (normalmente, unos cientos de imágenes o menos) que sean específicas para cada aplicación. Para ello, puede usar la consola de fácil uso. Si la imágenes ya están etiquetadas, Etiquetas personalizadas de Amazon Rekognition podrá empezar a entrenar un modelo en poco tiempo. Si no, puede etiquetar las imágenes directamente en la interfaz de etiquetado o puede usar Amazon SageMaker Ground Truth para que las etiquete por usted.

Cuando Etiquetas personalizadas de Amazon Rekognition empieza a entrenar a partir de grupo de imágenes, podrá crear un modelo de análisis de imágenes personalizado en tan solo unas horas. En segundo plano, Etiquetas personalizadas de Amazon Rekognition carga e inspecciona automáticamente los datos de entrenamiento, selecciona los algoritmos de machine learning correctos, entrena un modelo y registra las métricas de rendimiento del modelo. Tras esto, podrá usar su modelo personalizado a través de la API de Etiquetas personalizadas de Amazon Rekognition e integrarlo en sus aplicaciones.

Ventajas principales

Etiquetado de datos mucho más sencillo

La consola de Etiquetas personalizadas de Amazon Rekognition cuenta con una interfaz visual para que etiquetar sus imágenes resulte rápido y sencillo. La interfaz le permite aplicar una etiqueta a toda la imagen. También puede identificar y etiquetar objetos concretos en las imágenes mediante cuadros delimitadores con acciones de hacer clic y arrastrar. Si lo prefiere, si tiene un conjunto de datos grande, puede usar Amazon SageMaker Ground Truth para etiquetar sus imágenes a escala de manera eficiente.

Aprendizaje automático

No se necesita experiencia en machine learning para crear su modelo personalizado. Etiquetas personalizadas de Amazon Rekognition incluye funciones de machine learning (AutomL) que se encargan del machine learning por usted. Cuando se facilitan las imágenes de entrenamiento, Etiquetas personalizadas de Amazon Rekognition puede cargar e inspeccionar automáticamente los datos, seleccionar los algoritmos de machine learning correctos, entrenar un modelo y registrar las métricas de rendimiento del modelo.

Sistemas sencillo de evaluación, inferencias y respuesta final del modelo

El rendimiento del modelo personalizado se evalúa en el conjunto de pruebas. En cada imagen del conjunto de pruebas, puede ver la comparación paralela entre la predicción del modelo y la etiqueta asignada. También puede revisar las métricas de rendimiento de forma detallada, como la precisión, la exhaustividad, las puntuaciones F1 y las puntuaciones de confianza. Puede empezar a utilizar el modelo inmediatamente para el análisis de imágenes, o bien puede iterar y volver a entrenar las nuevas versiones con más imágenes para mejorar el rendimiento. Tras empezar a utilizar el modelo, realice un seguimiento de las predicciones, corrija los errores y utilice los datos de la respuesta final para volver a entrenar las nuevas versiones del modelo y mejorar el rendimiento.

Etiquetas personalizadas de Amazon Rekognition

Amazon Rekognition ofrece dos funciones que puede utilizar para buscar etiquetas (objetos, escenas y conceptos) en las imágenes: Etiquetas personalizadas de Amazon Rekognition y la detección de etiquetas de Amazon Rekognition Image. Utilice la siguiente información para determinar qué característica es mejor utilizar.

Detección de etiquetas de Amazon Rekognition Image

Puede utilizar la característica de detección de etiquetas de Amazon Rekognition Image para identificar, clasificar y buscar etiquetas comunes en imágenes y vídeos, a escala y sin tener que crear un modelo de machine learning. Por ejemplo, puede detectar fácilmente miles de objetos comunes, como automóviles y camiones, tomates, pelotas de baloncesto y balones de fútbol.

Si su aplicación necesita encontrar etiquetas comunes, le recomendamos que utilice la detección de etiquetas de Amazon Rekognition Image, ya que no necesita entrenar un modelo. Para ver la lista de etiquetas que busca la detección de etiquetas de Amazon Rekognition Image, consulte Detección de etiquetas.

Si su aplicación necesita encontrar etiquetas que no ha detectado Amazon Rekognition Image, como componentes de máquinas personalizadas en una línea de montaje, le recomendamos que utilice Etiquetas personalizadas de Amazon Rekognition.

Etiquetas personalizadas de Amazon Rekognition

Puede utilizar Etiquetas personalizadas de Amazon Rekognition para entrenar fácilmente un modelo de machine learning que busque etiquetas (objetos, logotipos, escenas y conceptos) en imágenes que se adapten exclusivamente a las necesidades de su empresa.

Etiquetas personalizadas de Amazon Rekognition puede clasificar las imágenes (predicciones imágenes) o detectar ubicaciones de objetos en una imagen (predicciones objetos/cuadros delimitadores).

Etiquetas personalizadas de Amazon Rekognition ofrece una mayor flexibilidad en los tipos de objetos y escenas que puede detectar. Por ejemplo, puede utilizar la detección de etiquetas de Amazon Rekognition Image para buscar plantas y hojas. Para distinguir entre plantas sanas, marchitas e infectadas, debe utilizar Etiquetas personalizadas de Amazon Rekognition.

En los siguientes ejemplos se ilustra cómo puede usar Etiquetas personalizadas de Amazon Rekognition.

  • Identificar logotipos de equipo en camisetas y cascos de jugadores

  • Distinguir entre piezas o productos específicos de una máquina en una línea de montaje

  • Identificar personajes de dibujos animados en una biblioteca multimedia

  • Localizar productos de una marca determinada en los estantes de las tiendas

  • Clasificar la calidad de productos agrícolas (como podridos, maduros o crudos)

nota

Etiquetas personalizadas de Amazon Rekognition no sirve para analizar rostros, detectar texto o buscar contenido de imágenes no seguro en las imágenes. Para realizar estas tareas, puede utilizar Amazon Rekognition Image. Para obtener más información, consulte ¿Qué es Amazon Rekognition?

¿Es la primera vez que usa Etiquetas personalizadas de Amazon Rekognition?

Si no lo había usado antes, le recomendamos que lea las siguientes secciones en orden:

  1. Configuración de Etiquetas personalizadas de Amazon Rekognition: en esta sección, sabrá cómo crear y ajustar los detalles de la cuenta.

  2. Qué es Etiquetas personalizadas de Amazon Rekognition: en esta sección, conocerá el flujo de trabajo para crear un modelo.

  3. Introducción a Etiquetas personalizadas de Amazon Rekognition: en esta sección, entrenará un modelo utilizando proyectos de ejemplo creados por Etiquetas personalizadas de Amazon Rekognition.

  4. Clasificación de imágenes: en esta sección, aprenderá a entrenar un modelo que clasifique las imágenes con los conjuntos de datos que cree.