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 API 提供两套可视化分析套装:
用于图像分析的亚马逊 Rekognition Image
用于视频分析的亚马逊 Rekognition Video
图像分析
借助 Amazon Rekognition Image,您的应用程序可以:
检测图像中的物体、场景和概念
-
认识名人
-
检测多种语言的文本
-
检测露骨的、不恰当的或暴力的内容或图片
-
检测、分析和比较人脸和面部属性,例如年龄和情绪
-
检测是否存在 PPE
用例包括增强照片应用程序、对图像进行分类和审核内容。
视频分析
借助亚马逊 Rekognition Video,您的应用程序可以:
跨视频帧跟踪人物和物体
-
识别物体
-
认识名人
-
搜索存储和流式传输的视频,寻找感兴趣的人
-
分析面孔中的年龄和情感等属性
-
检测露骨的、不恰当的或暴力的内容或图片
-
按时间戳和区段对分析结果进行聚合和排序
-
检测流媒体视频中的人、宠物和包裹
用例包括视频分析、对视频进行分类和筛选不当内容。
主要特征
-
强大的深度学习分析
-
高精度检测物体、场景、人脸、文本
-
易于使用,API可集成到应用程序中
-
根据您的数据调整的可自定义模型
-
媒体库的可扩展分析
Amazon Rekognition 允许您通过训练自定义适配器来提高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亚马逊 Rekognition 的基本图像分析模型。有关更多信息,请参阅使用自定义审核提高准确性。
以下各节涵盖了亚马逊 Rekognition 提供的分析类型以及亚马逊 Rekognition Image 和亚马逊 Rekognition Video 操作的概述。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AWSCLI使用和,其中包括AWSSDKAPI在主机中试用 Rekogniti APIs on。 AWS