Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Tipos de análisis
Los siguientes son los tipos de análisis que pueden realizar la API de Amazon Rekognition Image y la API de Amazon Rekognition Video. Para obtener más información acerca de los API, consulte Operaciones de imágenes y vídeo.
En la siguiente tabla se enumeran las operaciones que debe utilizar en relación con el tipo de medio con el que trabaja y su caso de uso:
Etiquetas
Una etiqueta hace referencia a cualquiera de los siguientes elementos: objetos (por ejemplo, flor, árbol o mesa), eventos (por ejemplo, una boda, graduación o cumpleaños) o conceptos (por ejemplo, un paisaje, un atardecer y la naturaleza) o actividades (por ejemplo, corriendo o jugando al baloncesto) Amazon Rekognition puede detectar etiquetas en imágenes y vídeos. Para obtener más información, consulte Detección de objetos y conceptos.
Rekognition puede detectar una gran lista de etiquetas en imágenes y vídeo almacenado. Rekognition también puede detectar una pequeña cantidad de etiquetas en la transmisión de vídeo.
Utilice las siguientes operaciones para detectar etiquetas en función de su caso de uso:
-
Para detectar etiquetas en las imágenes: utilice. DetectLabels Puede identificar las propiedades de la imagen, como los colores dominantes y la calidad de la imagen. Para ello, utilice DetectLabelswith
IMAGE_PROPERTIEScomo parámetro de entrada. -
Para detectar etiquetas en los vídeos almacenados: utilice StartLabelDetection. El vídeo almacenado no admite la detección de los colores y la calidad de imagen dominantes.
-
Para detectar etiquetas en la transmisión de vídeo: utilice CreateStreamProcessor. La detección de los colores y la calidad de imagen dominantes no se admite en la transmisión de vídeo.
Puede especificar qué tipos de etiquetas desea que se devuelvan tanto para la detección de etiquetas de imagen como de vídeo almacenado mediante opciones de filtrado inclusivas y exclusivas.
Etiquetas personalizadas
Etiquetas personalizadas de Amazon Rekognition permite identificar los objetos y las escenas que requiere su empresa entrenando a un modelo de machine learning. Por ejemplo, puede entrenar a un modelo para que detecte logotipos o piezas de máquinas de ingeniería en una línea de ensamblaje.
nota
Para obtener más información acerca de Etiquetas personalizadas de Amazon Rekognition, consulte la Guía para desarrolladores de Etiquetas personalizadas de Amazon Rekognition.
Amazon Rekognition proporciona una consola que se utiliza para crear, entrenar, evaluar y ejecutar un modelo de machine learning. Para obtener más información, consulte Introducción a Etiquetas personalizadas de Amazon Rekognition en la Guía para desarrolladores de Etiquetas personalizadas de Amazon Rekognition. También puede utilizar la API de Etiquetas personalizadas de Amazon Rekognition para entrenar a un modelo y ejecutarlo. Para obtener más información, consulte Introducción al SDK de etiquetas personalizadas de Amazon Rekognition en la Guía para desarrolladores de Amazon Rekognition. CustomLabels
Para analizar imágenes mediante un modelo entrenado, utilice. DetectCustomLabels
Detección de vitalidad facial
Amazon Rekognition Face Liveness puede ayudarle a comprobar que un usuario que se está sometiendo a una verificación de identidad basada en el rostro está físicamente presente frente a la cámara y no es un actor malintencionado que intenta suplantar el rostro del usuario. Detecta los ataques simulados que se presentan ante una cámara y los ataques que eluden la cámara. Un usuario puede comprobar la vitalidad de su rostro haciéndose un autorretrato en vídeo y, se obtiene una puntuación de vitalidad para la comprobación. La vitalidad del rostro se determina mediante un cálculo probabilístico y, a continuación, se obtiene una puntuación de confianza (entre 0 y 100) tras la comprobación. Cuanto más alta sea la puntuación, mayor será la confianza en que la persona que recibe el cheque está viva.
Para obtener más información sobre la vitalidad del rostro, consulte Detección de la pruebas de vida del rostro.
Detección y análisis faciales
Amazon Rekognition puede detectar rostros en imágenes y vídeos almacenados. Con Amazon Rekognition, puede obtener información sobre:
-
Dónde se detectan rostros en una imagen o un vídeo
-
Referencias faciales como, por ejemplo, la posición de los ojos
-
La presencia de oclusión facial en las imágenes
-
Emociones detectadas, como felicidad o tristeza
-
La dirección de la mirada de una persona en las imágenes
También puede interpretar información demográfica como el sexo o la edad. Puede comparar un rostro en una imagen con los rostros detectados en otra imagen. La información sobre rostros también se puede almacenar para recuperación posterior. Para obtener más información, consulte Detección y análisis de rostros.
Para detectar rostros en imágenes, utilice DetectFaces. Para detectar rostros en vídeos almacenados, utilice StartFaceDetection.
Búsqueda de caras
Amazon Rekognition puede buscar rostros. La información facial se indexa en un contenedor conocido como colección. La información de rostros en la colección puede corresponderse con rostros detectados almacenados en imágenes, vídeos almacenados y vídeos en streaming. Para obtener más información, Búsqueda de rostros en una colección.
Para buscar rostros conocidos en imágenes, utilice DetectFaces. Para buscar rostros conocidos en vídeos almacenados, utilice StartFaceDetection. Para buscar rostros conocidos en vídeos en streaming, utilice CreateStreamProcessor.
Recorridos de las personas
Amazon Rekognition puede rastrear las rutas de las personas detectadas en un vídeo almacenado. Amazon Rekognition Video proporciona seguimiento, detalles de rostros e información de ubicación en fotograma de las personas detectadas en un vídeo. Para obtener más información, consulte Recorridos de las personas.
Para detectar personas en vídeos almacenados, utilice StartPersonTracking.
Equipos de protección individual
Amazon Rekognition puede detectar el equipo de protección individual (EPI) que llevan las personas en una imagen. Amazon Rekognition detecta cubiertas faciales, cubiertas para manos y cubiertas para la cabeza. Amazon Rekognition predice si un artículo de EPI cubre la parte del cuerpo adecuada. También puede encontrar casillas delimitadoras para las personas detectadas y los elementos de EPI. Para obtener más información, consulte Detección de equipos de protección individual.
Para detectar el PPE en las imágenes, utilice DetectProtectiveEquipment.
Famosos
Amazon Rekognition puede reconocer miles de famosos en imágenes y en vídeos almacenados. Puede obtener información sobre dónde se encuentra el rostro de un famoso en una imagen, referencias faciales y la postura del rostro de un famoso. Puede obtener información de seguimiento de famosos a medida que aparecen en un vídeo almacenado. También puede obtener más información sobre un famoso reconocido, como la emoción que expresa y la forma en que presenta su género. Para obtener más información, consulte Reconocimiento de famosos.
Para reconocer famosos en imágenes, utilice RecognizeCelebrities. Para reconocer famosos en vídeos almacenados, utilice StartCelebrityRecognition.
Detección de texto
Amazon Rekognition Text in Image puede detectar texto en imágenes y convertirlo en texto legible por una máquina. Para obtener más información, consulte Detección de texto.
Para detectar texto en imágenes, utilice DetectText.
Contenido inapropiado u ofensivo
Amazon Rekognition puede analizar imágenes y vídeos almacenados para detectar contenido violento y para adultos. Para obtener más información, consulte Moderación del contenido.
Para detectar imágenes no seguras, utilice DetectModerationLabels. Para detectar vídeos almacenados no seguros, utilice StartContentModeration.
Personalización
Algunas API de análisis de imágenes que ofrece Rekognition le permiten mejorar la precisión de los modelos de aprendizaje profundo mediante la creación de adaptadores personalizados entrenados en sus propios datos. Los adaptadores son componentes que se conectan al modelo de aprendizaje profundo previamente entrenado de Rekognition, lo que mejora su precisión con el conocimiento del dominio basado en sus imágenes. Se entrena un adaptador para que se adapte a sus necesidades proporcionando y anotando imágenes de muestra.
Después de crear un adaptador, se le proporcionará un AdapterId. Puedes proporcionarlo AdapterId a una operación para especificar que quieres usar el adaptador que has creado. Por ejemplo, se proporciona AdapterId a la DetectModerationLabelsAPI para el análisis sincrónico de imágenes. Si lo proporciona AdapterId como parte de la solicitud, Rekognition lo utilizará automáticamente para mejorar las predicciones de sus imágenes. Esto le permite aprovechar las capacidades de Rekognition y, al mismo tiempo, personalizarlo para que se adapte a sus necesidades.
También tiene la opción de obtener predicciones de imágenes de forma masiva con la API. StartMediaAnalysisJob Para obtener más información, consulte Análisis masivo.
Puede evaluar la precisión de las operaciones de Rekognition cargando imágenes en la consola de Rekognition y realizando un análisis de estas imágenes. Rekognition anotará sus imágenes con la característica seleccionada y, a continuación, podrá revisar las predicciones con las predicciones verificadas para determinar qué etiquetas se beneficiarían de la creación de un adaptador.
Actualmente, puede utilizar adaptadores con DetectModerationLabels. Para obtener más información acerca de cómo utilizar el adaptadores, consulte Mejora de la precisión con la moderación personalizada.
Análisis masivo
Rekognition Bulk Analysis le permite procesar una gran colección de imágenes de forma asíncrona mediante un archivo de manifiesto junto con la operación. StartMediaAnalysisJob Para obtener más información, consulte Análisis masivo.
