Was ist Amazon Rekognition?

Amazon Rekognition ist ein cloudbasierter Bild- und Videoanalysedienst, mit dem Sie Ihre Anwendungen auf einfache Weise um erweiterte Computer-Vision-Funktionen erweitern können. Der Service basiert auf bewährter Deep-Learning-Technologie und erfordert für die Nutzung keine Fachkenntnisse im Bereich maschinelles Lernen. Amazon Rekognition umfasst eine einfache easy-to-use API, mit der alle in Amazon S3 gespeicherten Bild- oder Videodateien schnell analysiert werden können.

Sie können Ihrer Anwendung mithilfe von Rekognition Funktionen hinzufügen, die Objekte, Text und unsichere Inhalte erkennen, Bilder/Videos analysieren und Gesichter vergleichen. APIs Mit der Gesichtserkennung APIs von Amazon Rekognition können Sie Gesichter für eine Vielzahl von Anwendungsfällen erkennen, analysieren und vergleichen, darunter Benutzerverifizierung, Katalogisierung, Personenzählung und öffentliche Sicherheit.

Der Service basiert auf derselben bewährten, hoch skalierbaren Deep-Learning-Technologie, die von den Computer-Vision-Wissenschaftlern von Amazon entwickelt wurde. Diese Technologie kann täglich Milliarden von Bildern und Videos analysieren. Rekognition lernt routinemäßig aus neuen Daten, und wir fügen dem Service häufig neue Labels und Funktionen hinzu.

Weitere Informationen finden Sie unter Amazon Rekognition FAQs.

Die wichtigsten Funktionen

Bildanalyse:

• Objekt-, Szenen- und Konzepterkennung — Erkennt und klassifiziert Objekte, Szenen, Konzepte und Prominente in Bildern.

• Texterkennung — Erkennt und erkennt gedruckten und handgeschriebenen Text in Bildern in einer Vielzahl von Sprachen.

• Unsichere Inhalte — Erkennt und filtert explizite, unangemessene und gewalttätige Inhalte und Bilder. Erkennt detaillierte Labels für unsichere Inhalte.

• Anerkennung von Prominenten — Erkennen Sie Zehntausende von Prominenten in Ihren Bildern aus verschiedenen Kategorien, wie Politiker, Sportler, Schauspieler und Musiker.

• Gesichtsanalyse — Erkennen, analysieren und vergleichen Sie Gesichter zusammen mit Gesichtsmerkmalen wie Geschlecht, Alter und Emotionen. Zu den Anwendungsfällen können Benutzerverifizierung, Katalogisierung, Personenzählung und öffentliche Sicherheit gehören.

• Benutzerdefinierte Labels — Erstellen Sie benutzerdefinierte Klassifikatoren, um Objekte zu erkennen, die für Ihren Anwendungsfall spezifisch sind, wie Logos, Produkte und Charaktere.

• Bildeigenschaften — Analysieren Sie Bildeigenschaften wie Qualität, Farbe, Schärfe und Kontrast.

Videoanalyse:

• Objekt-, Szenen- und Konzepterkennung — Erkennt und klassifiziert Objekte, Szenen, Konzepte und Prominente in Videos.

• Texterkennung — Erkennt und erkennt gedruckten und handgeschriebenen Text in Videos in einer Vielzahl von Sprachen.

• Personenverfolgung — Verfolge identifizierte Personen, während sie sich durch Videobilder bewegen.

• Gesichtsanalyse — Erkennen, analysieren und vergleichen Sie Gesichter in Streaming-Videos oder gespeicherten Videos.

• Anerkennung von Prominenten — Erkenne Zehntausende von Prominenten in deinen gespeicherten Videos aus verschiedenen Kategorien, wie Politiker, Sportler, Schauspieler und Musiker.

• Erkennung unsicherer Inhalte — Erkennt explizite, unangemessene und gewalttätige Inhalte in Videos.

• Videosegmentierung — Identifizieren Sie automatisch nützliche Videosegmente wie schwarze Frames und Abspann.

• Lebendigkeit von Gesichtern — Erkennt, ob bei der Gesichtsüberprüfung ein Live-Nutzer anwesend ist.

Anwendungsfälle

Durchsuchbare Medienbibliotheken — Rekognition erkennt Labels, Objekte, Konzepte und Szenen in Bildern und Videos. Auf der Grundlage dieser visuellen Inhaltsanalyse können Sie diese Labels durchsuchbar machen. Nützlich für den Aufbau durchsuchbarer Bild- und Videobibliotheken.

Gesichtsbasierte Überprüfung der Benutzeridentität — Bestätigen Sie Benutzeridentitäten, indem Sie Gesichter in Bildern mit Referenzgesichtsbildern vergleichen. Nützlich für die Identitätsprüfung in Anwendungen.

Gesichtserkennung — Rekognition Face Liveness ist eine vollständig verwaltete Funktion für maschinelles Lernen (ML), die Entwicklern dabei helfen soll, Betrug bei der Identitätsüberprüfung mit Gesicht zu verhindern. Mit diesem Feature können Sie überprüfen, ob ein Benutzer physisch vor der Kamera anwesend ist und es sich nicht um einen Kriminellen handelt, der das Gesicht des Benutzers vortäuscht. Mithilfe von Rekognition Face Liveness können Sie Spoof-Attacken erkennen, die auf eine Kamera gerichtet sind, z. B. gedruckte Fotos, digitale Fotos/Videos oder 3D-Masken. Es hilft auch dabei, Spoof-Angriffe zu erkennen, die eine Kamera umgehen, wie z. B. vorab aufgezeichnete oder Deepfake-Videos, die direkt in das Videoaufzeichnungs-Subsystem eingespeist werden.

Gesichtssuche — Mit Rekognition können Sie Bilder, gespeicherte Videos und Streaming-Videos nach Gesichtern durchsuchen, die denen entsprechen, die in einem Container gespeichert sind, der als Gesichtssammlung bezeichnet wird. Eine Gesichtersammlung ist ein Index mit Gesichtern, den Sie besitzen und verwalten. Um anhand ihrer Gesichter nach Personen zu suchen, müssen Sie die Gesichter indexieren und dann nach den Gesichtern suchen.

Erkennung unsicherer Inhalte — Erkennt und filtert explizite, unangemessene und gewalttätige Inhalte in Bildern und Videos. Verwendet Labels für eine detaillierte Filterung auf der Grundlage von Geschäftsanforderungen. Die Content Moderation API gibt außerdem eine hierarchische Liste aller erkannten Labels (Objekte und Konzepte) zusammen mit Konfidenzwerten zurück. Diese Objekte/Label verweisen auf spezifische Kategorien unsicherer Inhalte. Auf diese Weise können große Mengen an nutzergenerierten Inhalten fein gefiltert und verwaltet werden. Sie können die Ausgabe der Content Moderation API mit Adaptern anpassen, wodurch die Leistung von Bildern, wie denen, die Sie als Trainingsdaten bereitstellen, verbessert wird.

Erkennung persönlicher Schutzausrüstung — Erkennen Sie persönliche Schutzausrüstung in Bildern, um die Einhaltung der Sicherheitsvorschriften in verschiedenen Branchen zu überwachen. Sie können unsichere Bedingungen automatisch kennzeichnen, indem Sie ungeeignete Ausrüstung erkennen und Warnmeldungen zu diesen Bedingungen erhalten, was die Einhaltung von Vorschriften und die Schulung verbessern kann.

Anerkennung von Prominenten — Erkenne Prominente in deinen Bildern und Videos in allen Kategorien, wie Politiker, Sportler, Schauspieler und Musiker. Sie können Auftritte von Prominenten identifizieren, ohne Namen angeben zu müssen.

Texterkennung — Erkennt und extrahiert Text in Bildern für die visuelle Suche oder das Extrahieren von Metadaten. Das funktioniert bei verschiedenen Schriften und Stilen. Erkennt die Ausrichtung beim Umgang mit Text auf Schildern und Bannern.

Benutzerdefinierte Beschriftungen — Identifizieren Sie benutzerdefinierte Objekte, Konzepte und Szenen, die für geschäftliche Anwendungsfälle spezifisch sind, z. B. die Erkennung von Logos. Sie können benutzerdefinierte Klassifikatoren so trainieren, dass sie mit Nischen- oder proprietären Objekten umgehen können, wodurch die Genauigkeit von Schlüsselobjekten im Vergleich zu allgemeinen Klassifikatoren verbessert wird. Weitere Informationen finden Sie unter Was ist Amazon Rekognition Custom Labels? im Entwicklerhandbuch für Amazon Rekognition Custom Labels.

Vorteile

Integrieren Sie leistungsstarke Bild- und Videoanalysen in Ihre App — Fügen Sie Apps ohne Fachwissen genaue Bild- und Videoanalysen hinzu. Die Amazon Rekognition API ermöglicht Analysen über Deep Learning, ohne dass Kenntnisse über maschinelles Lernen erforderlich sind. Sie können Computer Vision schnell in Web-, Mobil- und Geräte-Apps integrieren.

Deep-Learning-basierte Bild- und Videoanalyse — Analysiert Bilder und Videos mithilfe von Deep Learning für eine hohe Genauigkeit. Amazon Rekognition kann Labels, Objekte, Szenen, Gesichter und Prominente erkennen. Filtern Sie die Ergebnisse, um bestimmte Labels ein- oder auszuschließen.

Skalierbare Bildanalyse — Analysiert Millionen von Bildern, um riesige visuelle Datensätze zu organisieren. Skaliert für die Bewältigung wachsender Bildbibliotheken und des wachsenden Datenverkehrs. Sie müssen keine Kapazität einplanen und zahlen nur für das, was Sie tatsächlich nutzen.

Analysieren und filtern Sie Bilder anhand von Eigenschaften — Analysieren und filtern Sie Bilder nach Eigenschaften wie Qualität, Farbe und visuellem Inhalt und ermitteln Sie Bildschärfe, Helligkeit und Kontrast.

Integration mit anderen AWS Diensten — Amazon Rekognition lässt sich sofort in S3 und Lambda integrieren. Sie können Amazon Rekognition APIs von Lambda aus aufrufen und Bilder in Amazon S3 verarbeiten, ohne Daten zu verschieben. Rekognition bietet integrierte Skalierbarkeit und Sicherheit mithilfe von AWS IAM.

Niedrige Kosten — Pay-as-you-go Preisgestaltung, keine Mindestanforderungen oder Verpflichtungen. Kostenloses Kontingent für den Einstieg verfügbar. Dank gestaffelter Preisgestaltung können Sie bei steigender Nutzung noch mehr sparen. Kostengünstig im Vergleich zu internen Lösungen.

Einfache Anpassung — Passen Sie die Genauigkeit mit Adaptern an Ihren Anwendungsfall an. Stellen Sie Beispielbilder zur Verfügung, um Adapter zu trainieren. Verbessert die Objekt- und Labelerkennung für bestimmte Domänen. Einfache Möglichkeit, Analysen ohne ML-Fachkenntnisse maßzuschneidern.

Weitere Informationen finden Sie unter Amazon Rekognition FAQs.

Amazon Rekognition und HIPAA-Eignung

Dies ist ein HIPAA-berechtigter Service. Weitere Informationen AWS zum US-amerikanischen Health Insurance Portability and Accountability Act von 1996 (HIPAA) und zur Nutzung von AWS Diensten zur Verarbeitung, Speicherung und Übertragung geschützter Gesundheitsinformationen (PHI) finden Sie unter HIPAA Overview.

Verwenden Sie Amazon Rekognition zum ersten Mal?

Wenn Sie Amazon Rekognition zum ersten Mal verwenden, empfehlen wir Ihnen, nacheinander die folgenden Abschnitte zu lesen:

1. So funktioniert Amazon Rekognition— In diesem Abschnitt werden verschiedene Amazon Rekognition Rekognition-Komponenten vorgestellt, mit denen Sie arbeiten, um ein end-to-end Erlebnis zu schaffen.

2. Erste Schritte mit Amazon Rekognition – In diesem Abschnitt richten Sie Ihr Konto ein, installieren das SDK, das die Sprache Ihrer Wahl widerspiegelt, und testen die Amazon-Rekognition-API. Eine Liste der von Amazon Rekognition unterstützten Programmiersprachen finden Sie unter Rekognition mit einem SDK verwenden AWS.

3. Arbeiten mit Bildern – Dieser Abschnitt enthält Informationen zur Verwendung von Amazon Rekognition mit Bildern, die in Amazon-S3-Buckets gespeichert sind, und Bildern, die von einem lokalen Dateisystem geladen wurden.

4. Arbeiten mit gespeicherten Videoanalysevorgängen – Dieser Abschnitt enthält Informationen zur Verwendung von Amazon Rekognition mit Videos, die in Amazon-S3-Buckets gespeichert sind.

5. Arbeiten mit Streaming-Videoereignissen – Dieser Abschnitt enthält Informationen zur Verwendung von Amazon Rekognition mit Streaming-Videos.