Amazon Rekognition Custom Labels

Agen pemasaran harus melaporkan cakupan merek klien mereka secara akurat di berbagai media. Biasanya mereka melacak kemunculan logo dan produk klien di gambar sosial media, siaran, dan video olah raga secara manual. Dengan Amazon Rekognition Custom Labels, agen pemasaran dapat membuat model kustom yang dilatih secara khusus untuk mendeteksi logo dan produk klien mereka. Alih-alih bersusah payah mengikuti media sosial dan tradisional secara manual, mereka dapat memproses gambar dan frame video melalui model kustom untuk menemukan jumlah tayangan.

Pembuat konten biasanya harus mencari ribuan gambar dan video untuk menemukan konten relevan yang ingin digunakan dalam memproduksi acara. Misalnya, penyiar olahraga sering kali harus mengumpulkan film sorotan mengenai permainan, tim, dan pemain untuk afiliasi yang dapat memakan waktu berjam-jam jika pengumpulan dilakukan secara manual melalui arsip. Dengan melatih model kustom untuk mengidentifikasi tim dan pemain berdasarkan kostum dan nomor punggung, serta untuk mengidentifikasi peristiwa pertandingan umum seperti gol yang dicetak, penalti, dan cedera, model kustom tersebut dapat dengan cepat mengembangkan daftar gambar dan klip relevan yang cocok dengan subjek film.

Perusahaan pertanian perlu menilai kualitas produksi mereka sebelum dikemas. Misalnya, seorang produsen tomat dapat mengklasifikasikan tomat secara manual ke dalam 6 kelompok kematangan dari hijau tua hingga merah, dan mengemasnya sesuai kelompok demi memastikan umur simpan yang maksimal. Alih-alih memeriksa setiap tomat secara manual, mereka dapat melatih model kustom untuk mengklasifikasikan tomat berdasarkan kriteria kematangannya. Dengan mengintegrasikan model dengan sistem manufaktur, tomat akan secara otomatis disortir dan dikemas sesuai kriteria.

Konsol Rekognition Custom Labels menyediakan antarmuka visual untuk membuat pelabelan gambar Anda dengan cepat dan sederhana. Antarmuka tersebut memungkinkan Anda untuk memberikan label ke seluruh gambar atau untuk mengidentifikasi dan memberi label pada objek tertentu di dalam gambar menggunakan kotak pembatas dengan antarmuka klik-dan-seret yang sederhana.

Sebagai alternatif, jika Anda memiliki set data besar, Anda dapat menggunakan Amazon SageMaker Ground Truth untuk memberi label gambar Anda dalam skala besar secara efisien.

Keahlian machine learning tidak diperlukan untuk membuat model kustom. Rekognition Custom Labels meliputi kemampuan AutoML yang menangani machine learning untuk Anda. Setelah gambar dilatih, Rekognition Custom Labels dapat secara otomatis memuat dan memeriksa data, memilih algoritme machine learning yang tepat, melatih model, dan memberikan metrik performa model.

Evaluasi performa model kustom Anda di set pengujian. Untuk setiap gambar dalam set pengujian tersebut, perbandingan antara prediksi model dan pemberian label dapat dilihat secara bersebelahan. Anda juga dapat meninjau metrik performa terperinci, seperti metrik presisi/penarikan, skor-f, dan skor keyakinan. Anda dapat mulai segera menggunakan model untuk analisis gambar, atau mengulangi dan melatih ulang versi baru dengan lebih banyak gambar guna meningkatkan performa. Setelah mulai menggunakan model, Anda dapat melacak prediksi, memperbaiki kesalahan dan menggunakan data umpan balik untuk melatih ulang versi model baru dan meningkatkan performa.