Amazon Rekognition可讓用戶訓練自定義模型辨識特殊物件

AWS在其影像辨識服務Amazon Rekognition新增了自定義標籤（Custom Labels）的功能，讓用戶能夠自定義訓練Amazon Rekognition模型，建立專用的機器學習圖像分析功能，辨識獨一無二的物件。

Amazon Rekognition自定義標籤讓企業用來辨識圖像中，特殊業務需求的物體或是場景，像是從社交媒體的貼文辨識出自家品牌標誌，或是辨識在貨架上的自家產品，甚至是偵測影片中的動畫角色。AWS提到，開發自定義的圖像辨識模型，需要專業知識和資源，而且還要手動標記數千張圖像，提供模型足夠的訓練資料，模型才能作出精確的預測，但製作訓練資料又需要花費許多時間，以及龐大的人力資源。

自定義標籤是從Amazon Rekognition既有的能力，所發展出來的功能，由於Amazon Rekognition已經以數千萬張不同類別的圖像訓練，因此用戶只要再上傳一小組針對使用案例的訓練圖像，約數百張或是更少數量的圖像，就能訓練出良好的專用模型。

當用戶上傳的圖像是經過標記的訓練資料，便可直接在Amazon Rekognition開始進行訓練，而尚未標記的資料，則可以使用Rekognition的介面進行標記，或是使用Amazon SageMaker Ground Truth增加標籤。

Rekognition自定義標籤會自動分析訓練資料，選擇適合的機器學習演算法，當Rekognition開始以圖像資料集進行訓練，可在數小時內生成自定義圖像分析模型，訓練完成之後，用戶可以存取視覺化指標，查看每個模型的效能。用戶可以透過Rekognition自定義標籤API使用自定義模型，並將其整合到應用程式中。