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.
SageMaker La IA proporciona algoritmos de procesamiento de imágenes que se utilizan para la clasificación de imágenes, la detección de objetos y la visión artificial.
-
Clasificación de imágenes - MXNet: usa datos de ejemplo con respuestas (conocido como algoritmo supervisado). Utilice este algoritmo para clasificar imágenes.
-
Clasificación de imágenes - TensorFlow—Utiliza modelos TensorFlow Hub previamente entrenados para ajustarlos a tareas específicas (lo que se denomina algoritmo supervisado). Utilice este algoritmo para clasificar imágenes.
-
Detección de objetos - MXNet: detecta y clasifica los objetos de las imágenes mediante una única red neuronal profunda. Es un algoritmo de aprendizaje supervisado que toma como entrada e identifica todas las instancias de objetos dentro de la escena de una imagen.
-
Detección de objetos - TensorFlow: detecta los cuadros delimitadores y las etiquetas de los objetos de una imagen. Se trata de un algoritmo de aprendizaje supervisado que apoya el aprendizaje por transferencia con los modelos preentrenados disponibles. TensorFlow
-
Algoritmo de segmentación semántica: proporciona un sistema de nivel de píxel detallado para desarrollar aplicaciones de visión artificial.
| Nombre de algoritmo | Nombre de canal | Modo de entrada de capacitación | Tipo de archivo | Clase de instancia | Paralelizable |
|---|---|---|---|---|---|
| Clasificación de imágenes - MXNet | capacitación y validación, (opcional) train_lst, validation_lst y modelo | Archivo o canalización | recordIO o archivos de imagen (.jpg o .png) | GPU | Sí |
| Clasificación de imágenes - TensorFlow | entrenamiento y validación | Archivos | archivos de imagen (.jpg, .jpeg o.png) | CPU o GPU | Sí (solo en varias instancias GPUs en una sola instancia) |
| Detección de objetos | capacitación y validación, (opcional) train_annotation, validation_annotation y modelo | Archivo o canalización | recordIO o archivos de imagen (.jpg o .png) | GPU | Sí |
| Detección de objetos - TensorFlow | entrenamiento y validación | Archivos | archivos de imagen (.jpg, .jpeg o.png) | GPU | Sí (solo en varias instancias GPUs en una sola instancia) |
| Segmentación semántica | capacitación y validación, train_annotation, validation_annotation y (opcional) label_map y modelo | Archivo o canalización | Archivos de imagen | GPU (solo instancia única) | No |
