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。
批量分析和验证
使用这种方法,您可以上传大量要用作训练数据的图像,然后使用 Rekognition 来预测这些图像,从而自动为它们分配标签。您可以使用这些预测开始构建适配器。您可以验证预测的准确性,然后根据经过验证的预测来训练适配器。这可以通过 AWS 控制台来完成。
以下视频演示了如何使用 Rekognition 的批量分析功能来获取和验证大量图像的预测,然后使用这些预测训练适配器。
上传图像以进行批量分析
要为您的适配器创建训练数据集,请批量上传图像,让 Rekognition 预测其标签。为获得最佳结果,请尽可能多地提供用于训练的图像,上限不超过 10000 张,并确保这些图像能代表您的用例的各个方面。
使用 AWS 控制台时,您可以直接从计算机上传图片,也可以提供用于存储图像的 Amazon 简单存储服务存储桶。但是,将 APIs Rekognition 与一起使用时,您必须提供SDK一份清单文件,该文件引用了存储在亚马逊简单存储服务存储桶中的图像。有关更多信息,请参阅批量分析。
查看预测
将图像上传到 Rekognition 控制台后,Rekognition 将为其生成标签。然后,您可以根据以下几类结果验证预测:真阳性、假阳性、真阴性、假阴性。验证预测后,您可以根据反馈训练适配器。
训练适配器
验证完批量分析返回的预测后,即可启动适配器的训练过程。
去拿吧 AdapterId
适配器经过训练后,您可以获得适配器的唯一 ID,用于 Rekognition 的图像分析。APIs
调用 API 操作
要应用您的自定义适配器,请在调用支持适配器的图像分析APIs时提供其 ID。这可以提高图像预测的准确性。