检测图像中的不当内容 DetectModerationLabels 操作请求 DetectModerationLabels 操作响应

检测不当图像

您可以使用该DetectModerationLabels操作来确定图片是否包含不当内容或令人反感的内容。有关亚马逊 Rekognition 中的审核标签列表，请参阅使用图片和视频审核。APIs

检测图像中的不当内容

图像的格式必须为 .jpg 或 .png。您可以提供输入图像作为图像字节数组（base64 编码的图像字节）或指定 Amazon S3 对象。在这些过程中，请将图像（.jpg 或 .png）上传到 S3 存储桶中。

要运行这些过程，您需要 AWS SDK安装 AWS CLI 或相应的。有关更多信息，请参阅 Amazon Rekognition 入门。您使用的AWS账户必须拥有亚马逊 Rek API ognition 的访问权限。有关更多信息，请参阅 Amazon Rekognition 定义的操作。

检测图片中的审核标签 () SDK

如果您尚未执行以下操作，请：
1. 使用 AmazonRekognitionFullAccess 和 AmazonS3ReadOnlyAccess 权限创建或更新用户。有关更多信息，请参阅步骤 1：设置AWS账户并创建用户。
2. 安装并配置 AWS CLI 和 AWS SDKs。有关更多信息，请参阅第 2 步：设置 AWS CLI 和 AWS SDKs。
将图像上传到 S3 存储桶。

有关说明，请参阅《Amazon Simple Storage Service 用户指南》中的将对象上传到 Amazon S3。

使用以下示例调用 DetectModerationLabels 操作。

Java

此示例输出检测到的不当内容标签名称、置信度级别以及检测到的审核标签的父标签。

将 bucket 和 photo 的值替换为您在步骤 2 中使用的 S3 存储桶名称和图像文件名。


//Copyright 2018 Amazon.com, Inc. or its affiliates. All Rights Reserved.
//PDX-License-Identifier: MIT-0 (For details, see https://github.com/awsdocs/amazon-rekognition-developer-guide/blob/master/LICENSE-SAMPLECODE.)

package aws.example.rekognition.image;
import com.amazonaws.services.rekognition.AmazonRekognition;
import com.amazonaws.services.rekognition.AmazonRekognitionClientBuilder;
import com.amazonaws.services.rekognition.model.AmazonRekognitionException;
import com.amazonaws.services.rekognition.model.DetectModerationLabelsRequest;
import com.amazonaws.services.rekognition.model.DetectModerationLabelsResult;
import com.amazonaws.services.rekognition.model.Image;
import com.amazonaws.services.rekognition.model.ModerationLabel;
import com.amazonaws.services.rekognition.model.S3Object;

import java.util.List;

public class DetectModerationLabels
{
   public static void main(String[] args) throws Exception
   {
      String photo = "input.jpg";
      String bucket = "bucket";
      
      AmazonRekognition rekognitionClient = AmazonRekognitionClientBuilder.defaultClient();
      
      DetectModerationLabelsRequest request = new DetectModerationLabelsRequest()
        .withImage(new Image().withS3Object(new S3Object().withName(photo).withBucket(bucket)))
        .withMinConfidence(60F);
      try
      {
           DetectModerationLabelsResult result = rekognitionClient.detectModerationLabels(request);
           List<ModerationLabel> labels = result.getModerationLabels();
           System.out.println("Detected labels for " + photo);
           for (ModerationLabel label : labels)
           {
              System.out.println("Label: " + label.getName()
               + "\n Confidence: " + label.getConfidence().toString() + "%"
               + "\n Parent:" + label.getParentName());
          }
       }
       catch (AmazonRekognitionException e)
       {
         e.printStackTrace();
       }
    }
}

Java V2

此代码取自 AWS 文档SDK示例 GitHub 存储库。请在此处查看完整示例。


//snippet-start:[rekognition.java2.recognize_video_text.import]
//snippet-start:[rekognition.java2.detect_mod_labels.import]
import software.amazon.awssdk.auth.credentials.ProfileCredentialsProvider;
import software.amazon.awssdk.core.SdkBytes;
import software.amazon.awssdk.regions.Region;
import software.amazon.awssdk.services.rekognition.RekognitionClient;
import software.amazon.awssdk.services.rekognition.model.RekognitionException;
import software.amazon.awssdk.services.rekognition.model.Image;
import software.amazon.awssdk.services.rekognition.model.DetectModerationLabelsRequest;
import software.amazon.awssdk.services.rekognition.model.DetectModerationLabelsResponse;
import software.amazon.awssdk.services.rekognition.model.ModerationLabel;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.InputStream;
import java.util.List;
//snippet-end:[rekognition.java2.detect_mod_labels.import]

/**
* Before running this Java V2 code example, set up your development environment, including your credentials.
*
* For more information, see the following documentation topic:
*
* https://docs.aws.amazon.com/sdk-for-java/latest/developer-guide/get-started.html
*/
public class ModerateLabels {

 public static void main(String[] args) {

     final String usage = "\n" +
         "Usage: " +
         "   <sourceImage>\n\n" +
         "Where:\n" +
         "   sourceImage - The path to the image (for example, C:\\AWS\\pic1.png). \n\n";

     if (args.length < 1) {
         System.out.println(usage);
         System.exit(1);
     }

     String sourceImage = args[0];
     Region region = Region.US_WEST_2;
     RekognitionClient rekClient = RekognitionClient.builder()
         .region(region)
         .credentialsProvider(ProfileCredentialsProvider.create("profile-name"))
         .build();

     detectModLabels(rekClient, sourceImage);
     rekClient.close();
 }

 // snippet-start:[rekognition.java2.detect_mod_labels.main]
 public static void detectModLabels(RekognitionClient rekClient, String sourceImage) {

     try {
         InputStream sourceStream = new FileInputStream(sourceImage);
         SdkBytes sourceBytes = SdkBytes.fromInputStream(sourceStream);
         Image souImage = Image.builder()
             .bytes(sourceBytes)
             .build();

         DetectModerationLabelsRequest moderationLabelsRequest = DetectModerationLabelsRequest.builder()
             .image(souImage)
             .minConfidence(60F)
             .build();

         DetectModerationLabelsResponse moderationLabelsResponse = rekClient.detectModerationLabels(moderationLabelsRequest);
         List<ModerationLabel> labels = moderationLabelsResponse.moderationLabels();
         System.out.println("Detected labels for image");

         for (ModerationLabel label : labels) {
             System.out.println("Label: " + label.name()
                 + "\n Confidence: " + label.confidence().toString() + "%"
                 + "\n Parent:" + label.parentName());
         }

     } catch (RekognitionException | FileNotFoundException e) {
         e.printStackTrace();
         System.exit(1);
     }
 }
 // snippet-end:[rekognition.java2.detect_mod_labels.main]

AWS CLI

此 AWS CLI 命令显示detect-moderation-labelsCLI操作的JSON输出。

将 bucket 和 input.jpg 替换为您在步骤 2 中使用的 S3 存储桶名称和图像文件名称。将profile_name的值替换为您的开发人员资料的名称。要使用适配器，请为ARNproject-version参数提供项目版本的。


aws rekognition detect-moderation-labels --image "{S3Object:{Bucket:<bucket-name>,Name:<image-name>}}" \ 
--profile profile-name \
--project-version "ARN"

如果您在 Windows 设备CLI上访问，请使用双引号代替单引号，并用反斜杠（即\）对内部双引号进行转义，以解决可能遇到的任何解析器错误。例如，请参阅以下内容：


aws rekognition detect-moderation-labels --image "{\"S3Object\":{\"Bucket\":\"bucket-name\",\"Name\":\"image-name\"}}" \
--profile profile-name

Python

此示例输出检测到的不当或冒犯性内容标签名称、置信度级别以及检测到的不当内容标签的父标签。

在函数 main 中，将 bucket 和 photo 的值替换为您在步骤 2 中使用的 S3 存储桶名称和图像文件名。将创建 Rekognition 会话的行中的profile_name值替换为您的开发人员资料的名称。


#Copyright 2018 Amazon.com, Inc. or its affiliates. All Rights Reserved.
#PDX-License-Identifier: MIT-0 (For details, see https://github.com/awsdocs/amazon-rekognition-developer-guide/blob/master/LICENSE-SAMPLECODE.)

import boto3

def moderate_image(photo, bucket):
    
    session = boto3.Session(profile_name='profile-name')
    client = session.client('rekognition')

    response = client.detect_moderation_labels(Image={'S3Object':{'Bucket':bucket,'Name':photo}})

    print('Detected labels for ' + photo)
    for label in response['ModerationLabels']:
        print (label['Name'] + ' : ' + str(label['Confidence']))
        print (label['ParentName'])
    return len(response['ModerationLabels'])

def main():

    photo='image-name'
    bucket='bucket-name'
    label_count=moderate_image(photo, bucket)
    print("Labels detected: " + str(label_count))

if __name__ == "__main__":
    main()

.NET

此示例输出检测到的不当或冒犯性内容标签名称、置信度级别以及检测到的审核标签的父标签。

将 bucket 和 photo 的值替换为您在步骤 2 中使用的 S3 存储桶名称和图像文件名。


//Copyright 2018 Amazon.com, Inc. or its affiliates. All Rights Reserved.
//PDX-License-Identifier: MIT-0 (For details, see https://github.com/awsdocs/amazon-rekognition-developer-guide/blob/master/LICENSE-SAMPLECODE.)

using System;
using Amazon.Rekognition;
using Amazon.Rekognition.Model;

public class DetectModerationLabels
{
    public static void Example()
    {
        String photo = "input.jpg";
        String bucket = "bucket";

        AmazonRekognitionClient rekognitionClient = new AmazonRekognitionClient();

        DetectModerationLabelsRequest detectModerationLabelsRequest = new DetectModerationLabelsRequest()
        {
            Image = new Image()
            {
                S3Object = new S3Object()
                {
                    Name = photo,
                    Bucket = bucket
                },
            },
            MinConfidence = 60F
        };

        try
        {
            DetectModerationLabelsResponse detectModerationLabelsResponse = rekognitionClient.DetectModerationLabels(detectModerationLabelsRequest);
            Console.WriteLine("Detected labels for " + photo);
            foreach (ModerationLabel label in detectModerationLabelsResponse.ModerationLabels)
                Console.WriteLine("Label: {0}\n Confidence: {1}\n Parent: {2}", 
                    label.Name, label.Confidence, label.ParentName);
        }
        catch (Exception e)
        {
            Console.WriteLine(e.Message);
        }
    }
}

DetectModerationLabels 操作请求

对 DetectModerationLabels 的输入是一个图像。在此示例JSON输入中，源图像是从 Amazon S3 存储桶加载的。 MinConfidence是 Amazon Rekognition Image 必须对检测到的标签的准确性具有的最低可信度才能在响应中返回该标签。


{
    "Image": {
        "S3Object": {
            "Bucket": "bucket",
            "Name": "input.jpg"
        }
    },
    "MinConfidence": 60
}

DetectModerationLabels 操作响应

DetectModerationLabels 可以从 S3 存储桶检索输入图像，也可通过图像字节形式提供输入图像。以下示例是来自对 DetectModerationLabels 的调用的响应。

在以下示例JSON响应中，请注意以下几点：

不当图像检测信息 – 该示例显示了图像中发现的不当或冒犯性内容的标签列表。此列表包括在图像中检测到的顶级标签和所有第二级标签。

标签 – 每个标签具有一个名称、Amazon Rekognition 估计的置信度（用于指示标签的准确性）以及其父标签的名称。顶级标签的父名称为 ""。

标签置信度 – 每个标签均有一个介于 0 和 100 之间的置信度值，该值指示 Amazon Rekognition 具有的百分比置信度（用于指示标签的准确性）。您可以在API操作请求的响应中指定要返回的标签所需的置信度。


{
    "ModerationLabels": [
        {
            "Confidence": 99.44782257080078,
            "Name": "Smoking",
            "ParentName": "Drugs & Tobacco Paraphernalia & Use",
            "TaxonomyLevel": 3
        },
        {
            "Confidence": 99.44782257080078,
            "Name": "Drugs & Tobacco Paraphernalia & Use",
            "ParentName": "Drugs & Tobacco",
            "TaxonomyLevel": 2
        },
        {
            "Confidence": 99.44782257080078,
            "Name": "Drugs & Tobacco",
            "ParentName": "",
            "TaxonomyLevel": 1
        }
    ],
    "ModerationModelVersion": "7.0",
    "ContentTypes": [
        {
            "Confidence": 99.9999008178711,
            "Name": "Illustrated"
        }
    ]
}

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

文档惯例

AWS SDK和《内容审核使用指南》第 7 版

检测不当的存储视频