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.
SageMaker Algorithmes intégrés pour la vision par ordinateur
SageMaker fournit des algorithmes de traitement d'image utilisés pour la classification des images, la détection d'objets et la vision par ordinateur.
-
Classification des images – MXNet : a recours à des exemples de données avec des réponses (ce qu'on appelle un algorithme supervisé). Utilisez cet algorithme pour classer des images.
-
Classification des images - TensorFlow—utilise des modèles TensorFlow Hub préentraînés pour affiner des tâches spécifiques (ce que l'on appelle un algorithme supervisé). Utilisez cet algorithme pour classer des images.
-
Détection d'objets : MXNet : détecte et classe les objets des images à l'aide d'un seul réseau neuronal profond. Il s'agit d'un algorithme d'apprentissage supervisé qui accepte les images en tant qu'entrée et identifie toutes les instances d'objets au sein de l'image.
-
Détection d'objets - TensorFlow : détecte les cadres de délimitation et les étiquettes d'objets dans une image. Il s'agit d'un algorithme d'apprentissage supervisé qui prend en charge l'apprentissage par transfert avec les TensorFlow modèles préentraînés disponibles.
-
Algorithme de segmentation sémantique : fournit une approche granulaire, au niveau du pixel, pour développer les applications de reconnaissance d'image.
| Nom de l'algorithme | Nom du canal | Mode d'entrée de l'entraînement | Type de fichier | Classe d'instance | Parallélisable |
|---|---|---|---|---|---|
| Classification des images – MXNet | train et validation, (facultativement) train_lst, validation_lst et model | Fichier ou Tube | recordIO ou fichiers d'image (.jpg ou .png) | GPU | Oui |
| Classification des images - TensorFlow | entraînement et validation | Fichier | fichiers image (.jpg, .jpeg ou .png) | CPU ou GPU | Oui (uniquement sur plusieurs GPU sur une seule instance) |
| Détection d'objets | train et validation, (facultativement) train_annotation, validation_annotation et model | Fichier ou Tube | recordIO ou fichiers d'image (.jpg ou .png) | GPU | Oui |
| Détection d'objets - TensorFlow | entraînement et validation | Fichier | fichiers image (.jpg, .jpeg ou .png) | GPU | Oui (uniquement sur plusieurs GPU sur une seule instance) |
| Semantic Segmentation | train et validation, train_annotation, validation_annotation et (facultativement) label_map et model | Fichier ou Tube | Fichiers image | GPU (une seule instance uniquement) | Non |
