Amazon Rekognition简介

作者: 佚名 2018-08-22 12:25:06

Amazon Rekognition 让您能够轻松地为应用程序添加图像和视频分析功能。您只需向 Rekognition API 提供图像或视频,然后此服务就能识别对象、人员、文字、场景和活动,以及检测任何不适宜的内容。Amazon Rekognition 还为您提供的图像和视频提供高度准确的面部分析和面部识别功能。您可以检测、分析和比较各种使用案例中的面孔,包括用户确认、人员计数和公共安全。

Amazon Rekognition简介

Amazon Rekognition 基于同样由 Amazon 计算机视觉科学家开发的成熟且高度可扩展的深度学习技术,每天能够分析数十亿图像和视频,而且无需使用任何机器学习专业技能。Amazon Rekognition 是一种简单易用的 API,可以快速分析存储在 Amazon S3 中的任何图像或视频文件。Amazon Rekognition 始终从新数据进行学习,我们会不断向此服务添加新的标签和面孔识别功能。

优势

易于集成

Amazon Rekognition 让您可以通过易于使用的 API 轻松地向您的应用程序中添加视觉分析功能,而不需要任何机器学习专业技能。

持续学习

该服务不断接受新数据的训练,以扩展其识别对象、场景和活动的能力,从而提高准确识别的能力。

完全托管

无论您发出多少请求,Amazon Rekognition 都可提供一致的响应时间。即使您的请求量增加到数千万个请求,您的应用程序延迟仍然保持一致。

批量和实时分析

您可以对来自 Amazon Kinesis Video Streams 的视频进行实时分析,并在它们上传到 Amazon S3 时分析图像。对于大型作业,请使用 AWS Batch 分析数以千计的图像或视频。

成本低廉

使用 Amazon Rekognition,您只需为分析的图像数或视频分钟数以及您存储的用于面孔识别的面孔数据付费。无***费用,无预先承诺。

安全性与身份

您可以轻松将基于面孔的用户验证集成到新的或现有的应用程序中。这是仅需使用一个 API 的简单过程。

主要功能

对象、场景和活动检测

借助 Amazon Rekognition,您可以识别数千种对象 (例如自行车、电话、建筑) 和场景 (例如停车场、海滩、城市)。在分析视频时,您还可以识别帧中发生的具体活动,例如“交付包裹”或“踢足球”。

面部识别

借助 Rekognition 快速而准确的搜索功能,您可以使用您的私有面孔图像存储库来识别照片或视频中的人员。

面孔分析

您可以分析您提供的图像和视频中面孔的属性,以确定开心程度、年龄范围、眼睛睁开程度、眼镜、面部毛发等。在视频中,您也可以衡量这些方面随时间的变化,比如构建一个演员情感的时间线。

轨迹

将 Amazon Rekognition 用于视频文件时,您可以捕捉场景中人物的轨迹。例如,您可以使用运动员在比赛期间的移动情况来确定战术,并进行赛后分析。

不安全内容检测

Amazon Rekognition 可帮助您识别图像和视频资产中潜在的不安全或不适宜的内容,并为您提供详细的标签,使您可以根据自己的需要准确控制所要允许的内容。

名人识别

您可以快速识别视频和图像库中的名人,以便为市场营销、广告和媒体行业使用案例编录录像和照片。

图像中的文字

Rekognition 专门用于处理现实世界的图像,可以检测和识别图像中的文字,如街道名称、字幕、产品名称和车牌。

Amazon Rekognition 深度学习
上一篇:Amazon Polly简介 下一篇:Amazon Translate简介
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

从TensorFlow到Theano:横向对比七大深度学习框架

最近,来自数据科学公司 Silicon Valley Data Science 的数据工程师 Matt Rubashkin(UC Berkeley 博士)为我们带来了深度学习 7 种流行框架的深度横向对比,希望本文能对你带来帮助。

AI小师弟 ·  3天前
2020年搞深度学习需要什么样的GPU:请上48G显存

在 lambda 最新的一篇显卡横向测评文章中,开发者们探讨了哪些 GPU 可以再不出现内存错误的情况下训练模型。当然,还有这些 GPU 的 AI 性能。

机器之心 ·  2020-02-19 15:16:42
一个案例掌握深度学习

近期我们将连载一个深度学习专题,由百度深度学习技术平台部主任架构师毕然分享,让你快速入门深度学习,参与到人工智能浪潮中。

佚名 ·  2020-02-12 17:10:54
20条理由告诉你,为什么当前的深度学习成了人工智能的死胡同?

在深度学习刚刚进入视线时,大多数AI研究人员嗤之以鼻,但短短几年后,它的触角已经横跨医疗、教育、汽车等众多领域。

AI科技评论 ·  2020-02-10 13:36:30
2020,人工智能和深度学习未来的五大趋势

虽然近年来人工智能经常成为热门议题,但它还远未实现真正的成就。人工智能技术发展的主要障碍在于投资成本,投资成本影响短期内的回报。而当时机成熟时,投资AI的公司却可以获得巨大的回报。在最近的一份报告中,麦肯锡预测人工智能领头企业未来将会实现现金流翻倍。

CSDN App ·  2020-02-09 17:27:29
深度学习火了那么多年,到底怎么搞?使用Numpy快速入门

近期我们将连载一个深度学习专题,由百度深度学习技术平台部主任架构师毕然分享,让你快速入门深度学习,参与到人工智能浪潮中。

佚名 ·  2020-02-05 11:25:29
请别再把深度学习与机器学习混为一谈了!

虽说机器学习和深度学习都能发现数据中的模式与特征,但是它们所涉及到的技术和具体的应用场景却截然不同。

陈峻 ·  2020-02-05 09:00:00
OpenAI全面拥抱PyTorch,TensorFlow:我哪里比不上它?

TensorFlow 和 PyTorch 框架之争由来已久,近日的一则新闻让 PyTorch 阵营「更添一员大将」。

一鸣 ·  2020-02-03 09:20:43
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载