Amazon Rekognition 的工作原理 - Amazon Rekognition

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

Amazon Rekognition 的工作原理

Amazon Rekognition 提供了两个 API 集用于视觉分析：

  • Amazon Rekognition Image 用于图像分析

  • Amazon Rekognition Video 用于视频分析

图像分析

借助 Amazon Rekognition Image，您的应用程序可以：

  • 检测图像中的对象、场景和概念

  • 识别名人

  • 检测多种语言的文本

  • 检测露骨、不当或暴力的内容或图像

  • 检测、分析和比较人脸以及人脸属性，例如年龄和情绪

  • 检测是否佩戴个人防护设备

使用案例包括增强照片应用程序、对图像进行分类以及对内容进行审核。

视频分析

借助 Amazon Rekognition Video，您的应用程序可以：

  • 跨视频帧跟踪人物和对象

  • 识别对象

  • 识别名人

  • 搜索存储视频和流视频，寻找相关的人

  • 分析人脸属性，例如年龄和情绪

  • 检测露骨、不当或暴力的内容或图像

  • 按时间戳和分段对分析结果进行汇总和排序

  • 检测流视频中的人物、宠物和包裹

使用案例包括视频分析、对视频进行分类以及筛选不当内容。

主要特征

  • 强大的深度学习分析

  • 高精度的对象、场景、人脸、文本检测

  • 可集成到应用程序中的易于使用的 API

  • 根据您的数据调整的可自定义模型

  • 可扩展的媒体库分析

Amazon Rekognition 允许您通过训练自定义适配器来提高其某些深度学习模型的准确性。例如，使用 Amazon Rekognition 自定义审核，您可以通过使用图像训练自定义适配器来调整 Amazon Rekognition 的基础图像分析模型。有关更多信息，请参阅使用自定义审核提高准确性。

以下章节将介绍 Amazon Rekognition 提供的分析类型，并概述 Amazon Rekognition Image 和 Amazon Rekognition Video 操作。此外，还涵盖非存储操作与存储操作之间的差别。

要演示 Amazon Rekognition，你可以看到第 3 步：开始使用 AWS CLI 和 AWS SDK API，其中包括在控制台中试用 Rekogniti APIs on。 AWS

主题