SageMaker Algoritmos integrados para visão computacional - Amazon SageMaker

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