Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Amazon Bedrock Data Automation (BDA) vous permet de créer des plans personnalisés pour les modalités des images. Vous pouvez utiliser des plans pour définir le format de sortie et la logique d'extraction souhaités pour vos fichiers d'entrée. En créant des plans personnalisés, vous pouvez adapter les résultats de BDA à vos besoins spécifiques. Au sein d'un projet, vous pouvez appliquer un seul plan d'image.
Définition de champs de données pour les images
BDA vous permet de définir les champs spécifiques que vous souhaitez identifier à partir de vos images en créant un plan. Il s'agit d'un ensemble d'instructions qui indiquent à BDA quelles informations extraire et générer à partir de vos images.
Définition des champs
Pour commencer, vous pouvez créer un champ pour identifier les informations que vous souhaitez extraire ou générer, telles que product_type. Pour chaque champ, vous devez fournir une description, un type de données et un type d'inférence.
Pour définir un champ, vous devez définir les paramètres suivants :
-
Description : fournit une explication en langage naturel de ce que représente le champ. Cette description aide à comprendre le contexte et l'objectif du domaine, en facilitant l'extraction précise des données.
-
Type : Spécifie le type de données de la valeur du champ. BDA prend en charge les types suivants :
string : pour les valeurs basées sur du texte
nombre : Pour les valeurs numériques
booléen : pour les valeurs vraies ou fausses
tableau : pour les champs qui peuvent avoir plusieurs valeurs du même type (par exemple, un tableau de chaînes ou un tableau de nombres)
-
Type d'inférence : indique à BDA comment gérer la génération de réponse de la valeur du champ. Pour les images, BDA ne prend en charge que le type d'inférence inféré. Cela signifie que BDA déduit la valeur du champ en fonction des informations présentes dans l'image.
L'image suivante montre le module « Ajouter des champs » dans la Amazon Bedrock console avec les exemples de champs et de valeurs suivants :
-
Nom du champ : product_type
-
Type : String
-
Instructions : Quel est le principal produit ou service annoncé, par exemple, les vêtements, les appareils électroniques, les aliments et les boissons, etc. ?
-
Type d'extraction : inférée.
Voici un exemple de ce à quoi ressemble cette même définition de champ dans un schéma JSON, pour l'API :
"product_type":{
"type": "string",
"inferenceType": "inferred",
"description": "What is the primary product or service being advertised, e.g., Clothing, Electronics, Food & Beverage, etc.?"
}Dans cet exemple :
Le type est défini sur une chaîne, ce qui indique que la valeur du champ product_type doit être basée sur du texte.
Le type d'inférence est défini sur inféré, ce qui indique à BDA de déduire la valeur en fonction des informations présentes dans l'image.
La description fournit un contexte supplémentaire, précisant que le champ doit identifier le type de produit sur l'image. Voici des exemples de valeurs pour le champ product_type : vêtements, appareils électroniques et aliments ou boissons.
En spécifiant ces paramètres pour chaque champ, vous fournissez à BDA les informations nécessaires pour extraire et générer des informations précises à partir de vos images.
Exemples de champs de plan pour les images publicitaires
Voici quelques exemples de champs de plan pour analyser les images publicitaires.
| Champ | Instructions | Type d'extraction | Type |
| type_produit | Quel est le principal produit ou service annoncé ? Ex : Vêtements, appareils électroniques, alimentation et boissons | déduit | chaîne |
| placement du produit | Comment le produit est-il placé dans l'image publicitaire, par exemple, centré, en arrière-plan, tenu par une personne, etc. ? | déduit | chaîne |
| taille_produit | La taille du produit est petite si la taille est inférieure à 30 % de l'image, moyenne si elle est comprise entre 30 et 60 % et grande si elle est supérieure à 60 % de l'image | déduit | chaîne |
| image_style | Classez le style d'image de l'annonce. Par exemple, image du produit, style de vie, portrait, rétro, infographie, rien de tout cela. | déduit | chaîne |
| image_arrière-plan | L'arrière-plan peut être « couleur unie », paysage naturel, intérieur, extérieur ou abstrait. | déduit | chaîne |
| image_sentiment | Extrayez l'ambiance de l'image, qui peut être « positive », « négative » ou « neutre » | déduit | chaîne |
| offre_promotionnelle | La publicité inclut-elle des remises, des offres ou des messages promotionnels ? | déduit | boolean |
Exemples de champs de plan pour la recherche de médias
Voici quelques exemples de champs de plan permettant de générer des métadonnées à partir d'images pour la recherche multimédia.
| Champ | Instructions | Type d'extraction | Type |
| comptage de personnes | Combien de personnes y a-t-il sur l'image ? | déduit | nombre |
| classification intérieur_extérieure_extérieure | L'image est-elle intérieure ou extérieure ? | déduit | chaîne |
| classification des scènes | Classez le paramètre ou l'environnement de l'image. Ex : Espaces urbains, ruraux, naturels, historiques, résidentiels, commerciaux, récréatifs, publics | déduit | chaîne |
| identification_animale | L'image contient-elle des animaux ? | déduit | boolean |
| type_animal | Quels types d'animaux sont présents sur l'image ? | déduit | chaîne |
| identification_couleur | L'image est-elle en couleur ou en noir et blanc ? | déduit | chaîne |
| identification du véhicule | Y a-t-il un véhicule visible sur l'image ? | déduit | chaîne |
| type_véhicule | Quel type de véhicule est présent sur l'image ? | déduit | chaîne |
| identification en filigrane | Y a-t-il un filigrane visible sur l'image ? | déduit | boolean |
