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 Algoritmos integrados para visión artificial
SageMaker 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 |
|---|---|---|---|---|---|
| Image Classification - 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 múltiples GPU 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 múltiples GPU 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 |
