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.
SageMaker Algoritmos integrados para visão computacional
SageMaker fornece algoritmos de processamento de imagem que são usados para classificação de imagens, detecção de objetos e visão computacional.
-
Classificação de imagens - MXNet: usa dados de exemplo com respostas (conhecido como algoritmo supervisionado). Use esse algoritmo para classificar imagens.
-
Classificação de imagens - TensorFlow—usa modelos de TensorFlow Hub pré-treinados para ajustar tarefas específicas (conhecido como algoritmo supervisionado). Use esse algoritmo para classificar imagens.
-
Detecção de objetos - MXNet: detecta e classifica objetos em imagens usando uma única rede neural profunda. Ele é um algoritmo de aprendizagem supervisionada que captura imagens como entrada e identifica todas as instâncias de objetos na cena da imagem.
-
Detecção de objetos - TensorFlow: detecta caixas delimitadoras e rótulos de objetos em uma imagem. É um algoritmo de aprendizado supervisionado que oferece suporte ao aprendizado por transferência com os modelos pré-treinados TensorFlow disponíveis.
-
Algoritmo de segmentação semântica: fornece uma abordagem granular em nível de pixel ao desenvolvimento de aplicativos de visão computacional.
| Nome do algoritmo | Nome do canal | Modo de entrada do treinamento | Tipo de arquivo | Classe de instância | Paralelizável |
|---|---|---|---|---|---|
| Classificação de imagens: MXNet | treinamento e validação, (opcionalmente) train_lst, validation_lst e model | Arquivo ou Pipe | recordIO ou arquivos de imagem (.jpg ou .png) | GPU | Sim |
| Classificação de imagens - TensorFlow | treinamento e validação | Arquivo | arquivos de imagem (.jpg, .jpeg ou .png) | CPU ou GPU | Sim (somente em várias GPUs em uma única instância) |
| Detecção de objetos | treinamento e validação, (opcionalmente) train_annotation, validation_annotation e model | Arquivo ou Pipe | recordIO ou arquivos de imagem (.jpg ou .png) | GPU | Sim |
| Detecção de objetos - TensorFlow | treinamento e validação | Arquivo | arquivos de imagem (.jpg, .jpeg ou .png) | GPU | Sim (somente em várias GPUs em uma única instância) |
| Segmentação de semântica | treinamento e validação, train_annotation, validation_annotation e (opcionalmente) label_map e model | Arquivo ou Pipe | Arquivos de imagem | GPU (somente instância única) | Não |
