As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Entender os tipos de análise do Rekognition
A seguir estão os tipos de análise que a API Amazon Rekognition Image e a API Amazon Rekognition Video podem realizar. Para obter informações sobre as APIs, consulte Entender as operações de imagem e vídeo do Rekognition.
A tabela a seguir lista as operações que você precisa usar com relação ao tipo de mídia com a qual você está trabalhando e seu caso de uso:
Rótulos
Um rótulo se refere a qualquer um dos seguintes: objetos (por exemplo, flor, árvore ou mesa), eventos (por exemplo, um casamento, formatura ou festa de aniversário), conceitos (por exemplo, paisagem, noite e natureza) ou atividades (por exemplo, correr ou jogar basquete). O Amazon Rekognition pode detectar rótulos em imagens e vídeos. Para ter mais informações, consulte Detectando objetos e conceitos.
O Rekognition pode detectar uma grande lista de rótulos na imagem e no vídeo armazenado. O Rekognition também pode detectar um pequeno número de rótulos no streaming de vídeo.
Use as seguintes operações para detectar rótulos com base no seu caso de uso:
-
Para detectar rótulos nas imagens: Use detectLabels. Você pode identificar as propriedades da imagem, como as cores dominantes e a qualidade da imagem. Para isso, use DetectLabels com
IMAGE_PROPERTIEScomo parâmetro de entrada. -
Para detectar rótulos em vídeos armazenados: Use StartLabelDetection. A detecção de cores e qualidade de imagem dominantes não é compatível com o vídeo armazenado.
-
Para detectar rótulos em streaming de vídeo: Use CreateStreamProcessor. A detecção de cores e qualidade de imagem dominantes não é compatível com streaming de vídeo.
Você pode especificar quais tipos de rótulos deseja retornar para a detecção de rótulos de imagens e vídeos armazenados usando opções de filtragem inclusivas e exclusivas.
Etiquetas personalizadas
Os Amazon Rekognition Custom Labels podem identificar objetos e cenas em imagens que são específicos para suas necessidades comerciais treinando um modelo de machine learning. Por exemplo, é possível treinar um modelo para detectar logotipos ou detectar peças de máquinas de engenharia em uma linha de montagem.
nota
Para obter informações sobre as Amazon Rekognition Custom Labels, consulte o Guia do desenvolvedor de Amazon Rekognition Custom Labels.
O Amazon Rekognition fornece um console que você usa para criar, treinar, avaliar e executar um modelo de machine learning. Para mais informações, veja Conceitos básicos dos Amazon Rekognition Custom Labels no Guia de desenvolvimento de Amazon Rekognition Custom Labels. Você também pode usar a API Amazon Rekognition Custom Labels para treinar e executar um modelo. Para mais informações, veja Conceitos básicos do SDK de Amazon Rekognition Custom Labels no Guia do desenvolvedor do Amazon Rekognition CustomLabels.
Para analisar imagens usando um modelo treinado, use DetectCustomLabels.
Detecção de vivacidade facial
O Amazon Rekognition Face Liveness pode ajudar você a verificar se um usuário que está passando pela verificação de identidade facial está fisicamente presente na frente da câmera e não é um malfeitor falsificando a face do usuário. Ele detecta ataques falsos que são apresentados a uma câmera e ataques que ignoram uma câmera. Um usuário pode concluir uma verificação de vivacidade facial tirando uma pequena selfie em vídeo, e uma pontuação de vivacidade é retornada para a verificação. A vivacidade facial é determinada com um cálculo probabilístico e uma pontuação de confiança (entre 0 e 100) é retornada após a verificação. Quanto maior a pontuação, maior a confiança de que a pessoa que recebe o cheque está viva.
Para obter mais informações sobre o Face Liveness, consulte Detectando a vivacidade da face.
Detecção e análise facial
O Amazon Rekognition pode detectar faces em imagens e vídeos armazenados. Com o Amazon Rekognition, você pode obter informações sobre:
-
Onde as faces são detectadas em uma imagem ou vídeo
-
Marcos faciais, como a posição dos olhos
-
A presença de oclusão facial nas imagens
-
Emoções detectadas, como felicidade ou tristeza
-
Direção do olhar de uma pessoa em imagens
Você também pode interpretar informações demográficas, como sexo ou idade. Você pode comparar uma face em uma imagem com faces detectadas em outra imagem. Informações sobre faces também podem ser armazenadas para recuperação posterior. Para ter mais informações, consulte Detectando e analisanda faces.
Para detectar faces em imagens, use DetectFaces. Para detectar faces em vídeos armazenados, use StartFaceDetection.
Pesquisa facial
O Amazon Rekognition pode pesquisar faces. As informações faciais são indexadas em um contêiner conhecido como uma coleção. As informações da face na coleção podem ser então correspondidas com as faces detectadas em imagens, vídeos armazenados e streaming de vídeo. Para obter mais informações, Pesquisa de faces em uma coleção.
Para pesquisar faces conhecidas em imagens, use DetectFaces. Para pesquisar faces conhecidas em vídeos armazenados, use StartFaceDetection. Para pesquisar faces conhecidas em streaming de vídeos, use o CreateStreamProcessor.
Tráfego de pessoas
O Amazon Rekognition pode rastrear os caminhos das pessoas detectadas em um vídeo armazenado. O Amazon Rekognition Video fornece rastreamento de caminhos, detalhes faciais e informações de localização no quadro para pessoas detectadas em um vídeo. Para ter mais informações, consulte Pessoas trafegando.
Para detectar pessoas em vídeos armazenados, use StartPersonTracking.
Equipamento de proteção individual
O Amazon Rekognition pode detectar equipamentos de proteção individual (EPI) usados por pessoas detectadas em uma imagem. O Amazon Rekognition detecta coberturas faciais, protetores para mãos e coberturas para a cabeça. O Amazon Rekognition prevê se um item de EPI cobre a parte apropriada do corpo. Você também pode obter caixas delimitadoras para pessoas detectadas e itens de EPI. Para ter mais informações, consulte Detecção de equipamento de proteção individual.
Para detectar EPI em imagens, use DetectProtectiveEquipment.
Celebridades
O Amazon Rekognition pode reconhecer milhares de celebridades em imagens e vídeos armazenados. É possível obter informações sobre onde a face de uma celebridade está localizada em uma imagem, pontos de referência faciais e a pose da face de uma celebridade. Você pode obter informações de rastreamento de celebridades conforme elas aparecem em um vídeo armazenado. Você também pode obter mais informações sobre uma celebridade reconhecida, como a emoção expressa e a apresentação do gênero. Para ter mais informações, consulte Reconhecendo celebridades.
Para reconhecer celebridades em imagens, use RecognizeCelebrities. Para reconhecer celebridades em vídeos armazenados, use StartCelebrityRecognition.
Detecção de texto
O Amazon Rekognition Text in Image pode detectar texto em imagens e convertê-lo em texto legível por máquina. Para ter mais informações, consulte Detectar texto.
Para detectar texto em imagens, use DetectText.
Conteúdo impróprio ou ofensivo
O Amazon Rekognition pode analisar imagens e vídeos armazenados para conteúdo adulto e violento. Para ter mais informações, consulte Como moderar um conteúdo.
Para detectar imagens não seguras, use DetectModerationLabels. Para detectar vídeos armazenados não seguros, use StartContentModeration.
Personalização
Certas APIs de análise de imagem oferecidas pelo Rekognition permitem que você aprimore a precisão dos modelos de aprendizado profundo criando adaptadores personalizados treinados com base em seus próprios dados. Os adaptadores são componentes que se conectam ao modelo pré-treinado de aprendizado profundo do Rekognition, aprimorando sua precisão com conhecimento de domínio baseado em suas imagens. Você treina um adaptador para atender às suas necessidades fornecendo e anotando imagens de amostra.
Depois de criar um adaptador, você recebe um AdapterID. Você pode fornecer esse AdapterID para uma operação para especificar que você deseja usar o adaptador que você criou. Por exemplo, você fornece o AdapterID à API DetectModerationLabels para análise síncrona de imagens. Forneça o AdapterID como parte da solicitação e o Rekognition o usará automaticamente para aprimorar as previsões de suas imagens. Isso permite que você aproveite os recursos do Rekognition enquanto o personaliza para atender às suas necessidades.
Você também tem a opção de obter previsões para imagens em massa com a API StartMediaAnalysisJob. Consulte Análise em massa para obter mais informações.
Você pode avaliar a precisão das operações do Rekognition fazendo upload de imagens para o console do Rekognition e executando análises nessas imagens. O Rekognition fará anotações em suas imagens usando o recurso selecionado e, em seguida, você poderá revisar as previsões usando as previsões verificadas para determinar quais rótulos se beneficiariam com a criação de um adaptador.
Atualmente, você pode usar adaptadores com o DetectModerationLabels. Para obter mais informações sobre como criar e usar adaptadores, consulte Aprimorando a precisão com moderação personalizada.
Análise em massa
O Rekognition Bulk Analysis permite processar uma grande coleção de imagens de forma assíncrona usando um arquivo manifesto com a operação StartMediaAnalysisJob. Consulte Análise em massa para obter mais informações.
