Was ist Amazon Rekognition?

Amazon Rekognition ist ein cloudbasierter Bild- und Videoanalyseservice, der das Hinzufügen erweiterter Computer Vision-Funktionen zu Ihren Anwendungen vereinfacht. Der Service basiert auf bewährter Deep-Learning-Technologie und erfordert kein Fachwissen im Bereich Machine Learning. Amazon Rekognition enthält eine einfache easy-to-use API, mit der jede in Amazon S3 gespeicherte Bild- oder Videodatei schnell analysiert werden kann.

Mit den APIs von Rekognition können Sie Funktionen hinzufügen, die Objekte, Text, unsichere Inhalte erkennen, Bilder/Videos analysieren und Gesichter mit Ihrer Anwendung vergleichen. Sie können mit den Gesichtserkennungs-APIs von Amazon Rekognition Gesichter für unterschiedlichste Anwendungsfälle erkennen, analysieren und vergleichen, z. B. für die Benutzerverifizierung, Katalogisierung, zum Zählen von Personen und im Rahmen der öffentlichen Sicherheit.

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

Weitere Informationen finden Sie unter FAQ zu Amazon Rekognition.

Wichtige Funktionen

Bildanalyse:

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

• Texterkennung – Erkennen und erkennen Sie gedruckten und handgeschriebenen Text in Bildern in einer Vielzahl von Sprachen.

• Unsicherer Inhalt – Erkennen und Filtern Sie explizite, unangemessene und schädliche Inhalte und Bilder. Erkennt detaillierte unsichere Inhaltsbeschriftungen.

• Erkennung von Prominenten – Erkennt Zehntausende von Prominenten in Ihren Bildern in verschiedenen Kategorien an, z. B. Politiker, Akade, Akteure und Musiker.

• Gesichtsanalyse – Erkennen, analysieren und vergleichen Sie Gesichter zusammen mit Gesichtsattributen wie Geschlecht, Alter und Fingerabdruck. Zu den Anwendungsfällen können die Benutzerverifizierung, die Katalogisierung, die Personenzählung und die öffentliche Sicherheit gehören.

• Benutzerdefinierte Labels – Erstellen Sie benutzerdefinierte Classifier, um Objekte zu erkennen, die für Ihren Anwendungsfall spezifisch sind, z. B. Logos, Produkte, Zeichen.

• Image Properties – Analysieren Sie Image-Eigenschaften wie Qualität, Farbe, Schärfe, Unterschied.

Videoanalyse:

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

• Texterkennung – Erkennen und erkennen Sie gedruckten und handgeschriebenen Text in Videos in einer Vielzahl von Sprachen.

• Personenpfad – Verfolgen Sie identifizierte Personen, während sie sich über Videoframes bewegen.

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

• Erkennung von Prominenten – Erkennt Zehntausende von Prominenten in Ihren gespeicherten Videos in verschiedenen Kategorien an, z. B. Politiker, Musiker, Akteure und Musiker.

• Erkennung unsicherer Inhalte – Erkennen Sie explizite, unangemessene und kriminelle Inhalte in Videos.

• Videosegmentierung – Identifizieren Sie automatisch nützliche Segmente von Videos, z. B. schwarze Frames und Endguthaben.

• Face Liveness – Erkennen, ob ein Live-Benutzer während der Gesichtsverifizierung vorhanden ist.

Anwendungsfälle

Durchsuchbare Medienbibliotheken – Rekognition erkennt Labels, Objekte, Konzepte und Szenen in Bildern und Videos. Sie können diese Labels basierend auf dieser visuellen Inhaltsanalyse durchsuchbar machen. Nützlich für die Erstellung durchsuchbarer Bild- und Videobibliotheken.

Überprüfung der Benutzeridentität – Bestätigen Sie Benutzeridentitäten, indem Sie Gesichter in Bildern vergleichen, um auf Gesichtsbilder zu verweisen. Nützlich für die Identitätsprüfung in Anwendungen.

Erkennung von Face Liveness – Rekognition Face Liveness ist ein vollständig verwaltetes Machine Learning (ML)-Feature, das Entwicklern helfen soll, Betrug während der identitätsbasierten Identitätsprüfung 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 auf der Grundlage ihrer Gesichter nach Personen zu suchen, müssen Sie die Gesichter indizieren und dann nach den Gesichtern suchen.

Erkennung unsicherer Inhalte – Erkennen und Filtern expliziter, unangemessener und konformer Inhalte in Bildern und Videos. Verwendet Labels für eine detaillierte Filterung basierend auf den Geschäftsanforderungen. Die Content Moderation API gibt auch 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, um die Leistung für Bilder wie Bilder zu verbessern, die Sie als Trainingsdaten bereitstellen.

Erkennung persönlicher Schutzausrüstung – Erkennen Sie persönliche Schutzausrüstung in Bildern, um die Einhaltung der Sicherheitsbestimmungen in verschiedenen Branchen zu überwachen. Sie können unsichere Bedingungen automatisch kennzeichnen, indem Sie falsche Geräte erkennen und Warnungen über diese Bedingungen erhalten, was die Compliance und das Training verbessern kann.

Erkennung von Prominenten – Erkennen Sie Prominenten in Ihren Bildern und Videos in verschiedenen Kategorien, z. B. Politikern, Musikern, Akteure und Musikern. Sie können Prominente identifizieren, ohne Namen angeben zu müssen.

Texterkennung – Erkennen und extrahieren Sie Text in Bildern für die visuelle Suche oder das Extrahieren von Metadaten. Dies funktioniert auf verschiedenen Schriftarten und Stilen. Erkennt die Ausrichtung zur Verarbeitung von Text auf Zeichen und Bannern.

Benutzerdefinierte Labels – Identifizieren Sie benutzerdefinierte Objekte, Konzepte und Szenen, die für geschäftliche Anwendungsfälle spezifisch sind, z. B. Logoerkennung. Sie können benutzerdefinierte Classifier trainieren, um n oder proprietäre Objekte zu verarbeiten, was die Genauigkeit für Schlüsselobjekte im Vergleich zu allgemeinen Classifiern verbessert. Weitere Informationen finden Sie unter Was ist Amazon Rekognition Custom Labels? im Entwicklerhandbuch für Amazon Rekognition Custom Labels.

Vorteile

Integrieren leistungsstarker Bild- und Videoanalysen in Ihre App – Fügen Sie Apps ohne Fachwissen eine genaue Bild- und Videoanalyse hinzu. Die Amazon Rekognition-API ermöglicht die Analyse per Deep Learning, ohne dass Machine-Learning-Kenntnisse 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 hohe Genauigkeit. Amazon Rekognition kann Labels, Objekte, Szenen, Gesichter und Prominente erkennen. Filtern Sie die Ergebnisse, um bestimmte Beschriftungen einzuschließen/ausschließen.

Skalierbare Bildanalyse – Analysiert Millionen von Bildern, um riesige visuelle Datensätze zu organisieren. Skaliert, um dem Wachstum von Image-Bibliotheken und Datenverkehr gerecht zu werden. Sie müssen keine Kapazität planen und zahlen nur für das, was Sie tatsächlich nutzen.

Analysieren und Filtern von Bildern basierend auf Eigenschaften – Analysieren und filtern Sie Bilder nach Eigenschaften wie Qualität, Farbe und visuellem Inhalt und erkennen Sie Schärfe, Farbe und Unterschied von Bildern.

Integration mit anderen - AWS Services – Amazon Rekognition lässt sich sofort in S3 und Lambda integrieren. Sie können Amazon RekognitionAPIs von Lambda aus aufrufen und Bilder in Amazon S3 verarbeiten, ohne Daten zu verschieben. Rekognition verfügt über integrierte Skalierbarkeit und Sicherheit mit AWS IAM.

Niedrige Kosten – P-ay-as-you-go Preise, keine Mindest- oder Verpflichtungen. Kostenloses Kontingent für die ersten Schritte verfügbar. Speichern Sie mehr, wenn die Nutzung über gestaffelte Preise skaliert wird. Kosteneffektiv im Vergleich zu internen Lösungen.

Einfache Anpassung – Passen Sie die Genauigkeit mit Adaptern an Ihren Anwendungsfall an. Stellen Sie Beispielbilder bereit, um Adapter zu trainieren. Verbessert die Objekt- und Labelerkennung für bestimmte Domains. Einfache Möglichkeit, die Analyse ohne ML-Erfahrung anzupassen.

Weitere Informationen finden Sie unter FAQ zu Amazon Rekognition.

Amazon Rekognition und HIPAA-Eignung

Dies ist ein HIPAA-berechtigter Service. Weitere Informationen zu AWS, dem Health Insurance Portability and Accountability Act von 1996 (HIPAA) und zur Verwendung von - AWS Services zur Verarbeitung, Speicherung und Übertragung geschützter Gesundheitsinformationen (PHI) finden Sie unter HIPAA-Übersicht.

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-Komponenten vorgestellt, mit denen Sie zusammenarbeiten, 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 AWS-SDK verwenden.

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 Videoanalysen – 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.