Amazon-Rekognition-.NET-Qualifikationsabzeichen

Das Amazon-Rekognition- und .NET-Workloads-Abzeichen zeigt, dass Sie mit dem Amazon-Rekognition-Service und .NET-Workloads vertraut sind. Dieser Vorbereitungsleitfaden erklärt Thema für Thema, was Sie wissen müssen, um die Prüfung zu bestehen, und enthält relevante Ressourcen. Sie sollten auch praktische Erfahrung mit dem Service haben, die Sie entweder mit Ihren eigenen Anwendungen oder in einem AWS-Tutorial gesammelt haben.

Wenn Sie sich vorbereitet haben, fahren Sie mit Modul 2 fort, um die Feststellungsprüfung abzulegen.

Sie können mit Amazon Rekognition vortrainierte und anpassbare Computer-Vision-Funktionen (CV) nutzen, um Informationen und Erkenntnisse aus Ihren Bildern und Videos zu gewinnen. Mit Amazon Rekognition ist es einfach, Bild- und Videoanalysen zu Ihren Anwendungen hinzuzufügen. Sie stellen der Amazon-Rekognition-API ein Bild oder Video zur Verfügung und der Service kann Objekte, Personen, Text, Szenen und Aktivitäten identifizieren. Er kann auch unangemessene Inhalte erkennen. Amazon Rekognition bietet auch hochpräzise Gesichtsanalysen, Gesichtsvergleichs- und Gesichtssuchfunktionen. Sie können Gesichter für unterschiedlichste Anwendungsfälle erkennen, analysieren und vergleichen, z. B. für die Benutzerverifizierung, Katalogisierung, zum Zählen von Personen und im Rahmen der öffentlichen Sicherheit. 

Amazon-Rekognition-Produktdetailseite

Amazon-Rekognition-Entwicklerhandbuch – Was ist Amazon Rekognition?

Mit Rekognition können Sie die Kosten Ihrer Bilderkennung und Videoanalyse mit Machine Learning automatisieren und senken.

Amazon-Rekognition-Produktdetailseite

Sie sollten mit dem Preismodell und dem kostenlosen Kontingent von Amazon Rekognition vertraut sein. Mit Amazon Rekognition gibt es 4 verschiedene Arten der Nutzung, jede mit ihren eigenen Preisdetails.

Amazon Rekognition Preise

Zu den Anwendungsfällen für Rekognition gehören die folgenden. Eine detailliertere Liste der Anwendungsfälle finden Sie im Amazon-Rekognition-Entwicklerhandbuch.

• Unangemessene Inhalte erkennen: Amazon Rekognition Content Moderation

• Identität online überprüfen: Identitätsprüfung mit Amazon Rekognition

• Optimieren Sie die Medienanalyse: Amazon Rekognition Video für die Medienanalyse

• Intelligente Benachrichtigungen für das vernetzte Zuhause senden: Amazon-Rekognition-Streaming-Videoereignisse für das vernetzte Zuhause

Amazon-Rekognition-Produktdetailseite – Anwendungsfälle

Entwicklerhandbuch – Was ist Amazon Rekognition?

Sie sollten diese Funktionen verstehen:

1. Label-Erkennung: Rekognition kann Labels in Bildern und Videos erkennen. Eine Bezeichnung bezieht sich auf Folgendes: Objekte (z. B. eine Blume, ein Baum oder ein Tisch), Ereignisse (z. B. eine Hochzeits-, Abschlussfeier oder Geburtstagsfeier), Konzepte (z. B. eine Landschaft, ein Abend und eine Natur) oder Aktivitäten (z. B. das Aussteigen aus einem Auto).   

Entwicklerhandbuch – Labels erkennen

2. Benutzerdefinierte Labels können die Objekte und Szenen in Bildern identifizieren, die für Ihre Geschäftsanforderungen spezifisch sind, indem ein Modell für maschinelles Lernen trainiert wird. Sie können beispielsweise ein Modell darauf trainieren, Logos oder technische Maschinenteile an einer Montagelinie zu erkennen.   

Amazon-Rekognition-Custom-Labels- Entwicklerhandbuch – Entwicklerhandbuch für benutzerdefinierte Labels     

3. Mit der Gesichtserkennung können Sie überprüfen, ob ein Benutzer, der eine gesichtsbasierte Identitätsprüfung durchläuft, physisch vor der Kamera anwesend ist und kein schlechter Akteur ist, der das Gesicht des Benutzers fälscht. Es erkennt Spoof-Attacken, die einer Kamera präsentiert werden, und Angriffe, die eine Kamera umgehen.   

Entwicklerhandbuch – Lebendigkeit von Gesichtern erkennen

4. Gesichtserkennung und -analyse können Gesichter in Bildern und gespeicherten Videos erkennen. Sie können Informationen darüber abrufen, wo Gesichter in einem Bild oder Video erkannt werden, Gesichtspunkte wie die Position der Augen und erkannte Emotionen wie glücklich oder traurig. Sie können auch demografische Informationen wie Geschlecht oder Alter abrufen. Sie können ein Gesicht in einem Bild mit Gesichtern vergleichen, die in einem anderen Bild erkannt wurden.   

Entwicklerhandbuch – Gesichter erkennen und analysieren

5 Gesichtssuche sucht nach Gesichtern. Gesichtsinformationen werden in einem als Sammlung bezeichneten Container indexiert. Die Gesichtsinformationen in der Sammlung können dann mit Gesichtern abgeglichen werden, die in Bildern, gespeicherten Videos und Streaming-Videos erkannt wurden.   

Entwicklerhandbuch – Nach Gesichtern in einer Sammlung suchen     

6. People Paths verfolgt die Pfade von Personen, die in einem gespeicherten Video erkannt wurden. Amazon Rekognition Video bietet Pfadverfolgung, Gesichtsdetails und Standortinformationen innerhalb des Frames für Personen, die in einem Video erkannt wurden.   

Entwicklerhandbuch – Menschen auf dem Weg    

7. Persönliche Schutzausrüstung: Rekognition kann PSA erkennen, die von Personen getragen wird, die auf einem Bild erkannt wurden. Es erkennt Gesichtsbedeckungen, Hand- und Kopfbedeckungen und sagt voraus, ob eine persönliche Schutzausrüstung den entsprechenden Körperteil bedeckt.   

Entwicklerhandbuch – Erkennung persönlicher Schutzausrüstung     

8. Anerkennung von Prominenten: Rekognition kann Tausende von Prominenten in Bildern und gespeicherten Videos erkennen. Sie können Informationen darüber erhalten, wo sich das Gesicht eines Prominenten auf einem Bild befindet, über Gesichtsmarkierungen und die Pose des Gesichts eines Prominenten. Du kannst Tracking-Informationen für Prominente abrufen, wenn sie in einem gespeicherten Video auftauchen. Sie können auch weitere Informationen über eine anerkannte Berühmtheit erhalten, z. B. über die ausgedrückte Emotion und die Darstellung des Geschlechts.   

Entwicklerhandbuch – Prominente erkennen     

9. Die Texterkennung kann Text in Bildern erkennen und in maschinenlesbaren Text umwandeln. Beispielsweise können Fahrzeugkennzeichen anhand von Verkehrskamerabildern erkannt werden.   

Entwicklerhandbuch – Text erkennen

10. Die Moderation von Inhalten kann unangemessene oder anstößige Inhalte erkennen. Rekognition kann Bilder und gespeicherte Videos auf Inhalte für Erwachsene und gewalttätige Inhalte analysieren. Sie bestimmen die Eignung der Inhalte für Ihre Bewerbung. Beispielsweise könnten Bilder suggestiver Natur akzeptabel sein, Bilder, die Nacktheit enthalten, jedoch möglicherweise nicht.   

Entwicklerhandbuch – Inhalte moderieren

Verwenden Sie das AWS-SDK für.NET, um mit Rekognition aus .NET-Code zu interagieren. Sie sollten die primären SDK-Klassen und -Methoden kennen, die zur Unterstützung der oben unter Funktionen aufgeführten Funktionen verwendet werden.

1. Um das SDK zu verwenden, fügen Sie das AWSSDK.Rekognition NuGet-Paket zu Ihrem C#-Projekt hinzu.
2. Um mit Rekognition zu arbeiten, instanziieren Sie eine Instance von AmazonRekognitionClient und rufen Sie die zugehörigen Methoden auf.
3. Die meisten SDK-Methoden werden asynchron mit dem C#-Schlüsselwort await aufgerufen
4. Erstellen Sie Anforderungsobjekte, um sie an Methoden zu übergeben und die zurückgegebenen Antwortobjekte zu verarbeiten. Anfrage- und Antwortobjekt haben denselben Stammnamen wie die Methode, die sie unterstützen. Die Anforderungs- und Antwortobjekte für die DetectLabelsAsync-Methode heißen beispielsweise DetectLabelsRequest und DetectLabelsResponse.
   

var rekognitionClient = new AmazonRekognitionClient(RegionEndpoint.USWest2);

DetectLabelsRequest detectlabelsRequest = new DetectLabelsRequest()
{
    Image = image,
    MaxLabels = 10,
    MinConfidence = 75F
};

var detectLabelsResponse = await _rekognitionClient.DetectLabelsAsync(detectlabelsRequest);
Console.WriteLine($"Detected labels for {filename}");
foreach (var label in detectLabelsResponse.Labels) {
    Console.WriteLine($"{label.Name}, {label.Confidence}");
}

Einige Rekognitionsmethoden enthalten Konfidenzwerte in der Antwort. Der Konfidenzwert ist eine Zahl zwischen 0 und 100, die auf die Wahrscheinlichkeit hinweist, dass eine bestimmte Vorhersage zutrifft. Wenn der Prozess der Objekt- und Szenenerkennung für ein Bild beispielsweise einen Konfidenzwert von 99 für die Bezeichnung „Wasser“ und 35 für die Bezeichnung „Palme“ ergibt, dann ist es wahrscheinlicher, dass das Bild Wasser, aber keine Palme enthält. Anwendungen, die sehr anfällig für Erkennungsfehler sind (falsch positives Ergebnis) sollten Ergebnisse verwerfen, die einem Zuverlässigkeitswert unter einem bestimmten Schwellenwert zugeordnet sind. Der optimale Schwellenwert ist abhängig von der Anwendung.

Amazon Rekognition – Häufig gestellte Fragen

Die meisten Funktionen von Rekognition verwenden vortrainierte Modelle und erfordern keine Deep-Learning-Erfahrung. Für die Funktion „Benutzerdefinierte Labels“ müssen Sie jedoch ein benutzerdefiniertes Modell trainieren. Rekognition nimmt Ihnen die schwere Arbeit ab und baut auf den vorhandenen Funktionen auf, die bereits an zig Millionen von Bildern aus vielen Kategorien trainiert wurden. Sie müssen lediglich einen kleinen Satz von Trainingsbildern (normalerweise ein paar hundert Bilder oder weniger) hochladen, die für Ihren Anwendungsfall spezifisch sind, und sie kennzeichnen. Sie können in der AWS-Konsole oder programmgesteuert mit dem SDK trainieren.

Training eines benutzerdefinierten Amazon-Rekognition-Custom-Labels-Modells

Sie sollten Erfahrung mit Rekognition haben, um Bilder und/oder Videos zu analysieren. Sie können die folgenden Tutorials und Demos verwenden, wenn Sie keine Anwendung haben, mit der Sie arbeiten können.

Hallo, Rekognition!

So erstellen Sie.NET-Anwendungen mit Amazon Rekognition

Fotos in .NET erkennen