在 AWS re:Invent 大会上,亚马逊推出了Rekognition,它是一种使用深度学习进行图像识别和分析的托管服务。Rekognition 提供的功能包括物体和场景检测、面部分析、面部比较和面部识别。
图片来源:(截屏) https://www.youtube.com/watch?v=fk-TxySUAzw
在过去 5 年里,图像增长的速度一直在上升,预计2017 年拍摄的照片将达到1.2 万亿张,而2000 年拍摄的照片大概只有800 亿张。2016 年的Mary Meeker 互联网趋势报告估计,光是在Snapchat,每天就有10 亿张照片。
图片来源:(截屏) https://www.youtube.com/watch?v=fk-TxySUAzw
随着越来越多的内容变成数字图像,企业组织该如何索引和解释这些数据呢?亚马逊 Rekognition 的总经理 Ranju Das 将该服务定位为“发现数据的意义”的一种方式。虽然有许多服务可以提供对数据的洞察,但是“亚马逊通过 Reckognition 努力解决视觉内容方面的问题。"
虽然亚马逊的 Rekognition 是一个新的公共服务,但是它一直以来都有着良好的表现。AWS 首席布道师 Jeff Barr解释道:
经过我们的计算机视觉团队多年的构建,使用深度学习,这个完全托管的服务已经能每天分析数十亿的图像。它已经训练了数千个物体和场景。Rekognition 从一开始就是为大规模运行而设计的。
对该服务有兴趣的企业组织可以尝试控制台以快速获得演示体验,然后再使用Rekognition 的API 编写代码。
物体和场景检测
物体和场景检测可用于识别图像内的物体。以含有许多物品的起居室为例,使用物体和场景检测,亚马逊的Rekognition 能够识别常见的物品,如花朵、咖啡桌和椅子等。
图片来源:(截屏) https://www.youtube.com/watch?v=fk-TxySUAzw
亚马逊已经确定了物体和场景检测的以下使用场景:
- 照片共享应用可以强化智能搜索,并快速找回珍贵的记忆,如婚礼、徒步旅行或日落。
- 度假租赁市场平台可以自动地给主机上传的图像打上标签,如壁炉、厨房或游泳池。
- 旅游网站和论坛可以将用户生成的图像按照标签分类,如海滩、露营或山脉。
亚马逊已在其 Amazon Prime Photo 服务中使用 Rekognition,它提供免费的照片存储。亚马逊表示,该服务已经包含了用户上传的“数十亿张照片”。因此,亚马逊可以提供有关已上传照片内容的元数据。
面部分析
使用面部分析,开发人员可以获得照片的如下特征:
- 人口统计数据
- 表达的情绪
- 面部标志
- 图片质量
- 一般属性,比如某人是否张开了嘴巴
图片来源:(截屏) https://www.youtube.com/watch?v=fk-TxySUAzw
亚马逊已经确定面部分析的一些使用场景包括:
- 照片打印服务能给用户推荐最好的照片。
- 在线约会应用可以使用面部属性来改善他们的匹配建议。
- 广告服务可以向客户显示动态和个性化的内容。
亚马逊确定的另一个使用场景是零售客户服务领域。考虑一下这种情况,购物者在商场内寻找货物。使用面部分析,商场可以确定客户的情绪并在顾客沮丧然后决定离开之前与他(她)们展开主动交流。
图片来源:(截屏) https://www.youtube.com/watch?v=fk-TxySUAzw
面部比较
亚马逊将面部比较 API描述为一种实现如下功能的方式:
测量两个图像中的人脸属于同一个人的可能性。使用 Rekognition,我们可以依据相似度评分来实现近乎实时的基于照片的用户验证。
图片来源: https://aws.amazon.com/rekognition/
面部比较 API 依赖于相似度属性,它在应用程序中可用于驱动不同的行为。例如,考虑为了安保目的使用面部比较的应用程序。我们需要将进入一栋建筑物的相似度阈值设置得远高于进入房间时调整灯光亮度的相似度阈值。
面部比较的其它使用场景包括:
- 寻找感兴趣或关注的人的监视场景。
- 物联网和设备制造商能将基于人脸的验证直接植入它们的应用。
- 酒店业务提供方在识别出贵宾之后为他们提供额外的客户服务。
面部识别
我们可以为图像构建索引,然后可用于比较。亚马逊搜索时使用的是图像的元数据。
图片来源: https://aws.amazon.com/rekognition/
亚马逊 Rekognition 在美国东部(弗吉尼亚北部)、美国西部(俄勒冈)和欧盟(爱尔兰)地区可用。有一个免费区间可供开发人员使用,开发人员每月可分析最多 5000 张图片,每月可保存 1000 张脸部向量数据,保存一整年。超出的部分按照实际消费量进行计费。
查看英文原文: Amazon Introduces Rekognition for Image Analysis
感谢薛命灯对本文的审校。
给InfoQ 中文站投稿或者参与内容翻译工作,请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博( @InfoQ , @丁晓昀),微信(微信号: InfoQChina )关注我们。
评论