Amazon Rekognition 的工作原理

Amazon Rekognition 提供了两个用于可视化分析的 API 集：

• 用于图像分析的亚马逊 Rekognition Image

• 用于视频分析的亚马逊 Rekognition Video

图像分析

借助 Amazon Rekognition Image，您的应用程序可以：

• 检测图像中的物体、场景和概念

• 认识名人

• 检测多种语言的文本

• 检测露骨的、不恰当的或暴力的内容或图片

• 检测、分析和比较人脸和面部属性，例如年龄和情绪

• 检测个人防护装备的存在

用例包括增强照片应用程序、对图像进行分类和审核内容。

视频分析

借助亚马逊 Rekognition Video，您的应用程序可以：

• 跨视频帧跟踪人物和物体

• 识别物体

• 认识名人

• 搜索存储和流式传输的视频，寻找感兴趣的人

• 分析面孔中的年龄和情感等属性

• 检测露骨的、不恰当的或暴力的内容或图片

• 按时间戳和区段对分析结果进行聚合和排序

• 检测流媒体视频中的人、宠物和包裹

用例包括视频分析、对视频进行分类和筛选不当内容。

主要特征

• 强大的深度学习分析

• 高精度检测物体、场景、人脸、文本

• 易于使用的 API 可集成到应用程序中

• 根据您的数据调整的可自定义模型

• 媒体库的可扩展分析

Amazon Rekognition 允许您通过训练自定义适配器来提高某些深度学习模型的准确性。例如，使用 Amazon Rekognition 自定义审核，您可以通过使用图像训练自定义适配器来调整亚马逊 Rekognition 的基本图像分析模型。有关更多信息，请参阅使用自定义审核提高准确性。

以下各节涵盖了亚马逊 Rekognition 提供的分析类型以及亚马逊 Rekognition Image 和亚马逊 Rekognition Video 操作的概述。此外，还涵盖非存储操作与存储操作之间的差别。

要演示 Amazon Rekognition API，你可以看到第 3 步：开始使用 AWS CLI 和 AWS SDK API，其中包括在控制台中试用 Rekognition。 AWS

主题

• 分析类型
• 图像和视频操作
• 非存储和存储 API 操作
• 模型版本控制