內建電腦視覺 SageMaker 演算法

SageMaker 提供用於影像分類、物件偵測和電腦視覺的影像處理演算法。

• 影像分類-MXNet——使用含有答案的範例資料 (稱為受監督的演算法)。使用此演算法分類影像。

• 影像分類 - TensorFlow— 使用預先訓練的 TensorFlow Hub 模型來微調特定工作 (稱為受監管演算法)。使用此演算法分類影像。

• 物件偵測 - MXNet——使用單個深度神經網路偵測和分類圖像中的物件。這是一個受監督的學習演算法，可將影像做為輸入，並識別影像場景內的所有物件執行個體。

• 物件偵測 - TensorFlow - 檢測圖像中的邊界框和物件標籤。它是一種監督學習算法，支持使用可用的預先訓練 TensorFlow 模型的轉移學習。

• 語意分段演算法——提供細微的像素層級方式，開發電腦視覺應用程式。

演算法名稱	頻道名稱	訓練輸入模式	檔案類型	執行個體類別	可平行化
影像分類 - MXNet	訓練和驗證、(選擇性) train_lst、validation_lst 和模型	檔案或管道	recordIO 或圖片檔 (.jpg 或 .png)	GPU	是
影像分類- TensorFlow	訓練與驗證	檔案	影像檔案 (.jpg、.jpeg 或 .png)	CPU 或 GPU	是 (僅適用於單一執行個體上的多個 GPU)
物件偵測	訓練和驗證、(選擇性) train_annotation、validation_annotation 和模型	檔案或管道	recordIO 或圖片檔 (.jpg 或 .png)	GPU	是
物體偵測- TensorFlow	訓練與驗證	檔案	影像檔案 (.jpg、.jpeg 或 .png)	GPU	是 (僅適用於單一執行個體上的多個 GPU)
語義分段	訓練和驗證、train_annotation、validation_annotation 和 (選擇性) label_map 與模型	檔案或管道	影像檔	GPU (限單一執行個體)	否