Amazon Rekognition .NET 技能徽章

Amazon Rekognition 和 .NET 工作負載徽章展現 Amazon Rekognition 服務和 .NET 工作負載的熟練度。本準備指南說明您需要了解才能通過評估的內容，逐主題進行，並提供您可以檢閱的資源。您也應該擁有使用服務的實作經驗，無論是使用您自己的應用程式或 AWS 教學。

準備完成之後，進入單元 2 參加評估考試。

Amazon Rekognition 提供預先訓練和可自訂的電腦視覺 (CV) 功能，可從您的影像和影片中擷取資訊和洞察。Amazon Rekognition 讓您在應用程式中新增影像和影片分析變得容易。您只要將影像或影片提供給 Amazon Rekognition API，然後該服務即可識別物件、人物、文字、場景和活動。它也可偵測任何不適當的內容。Amazon Rekognition 還提供高度準確的臉部分析、臉部比較和臉部搜尋功能。您可以偵測、分析及比對各種使用案例的臉部，包括驗證使用者、建立目錄、計算人數和公共安全。 

Amazon Rekognition 產品詳細資訊頁面

Amazon Rekognition 開發人員指南 - 什麼是 Amazon Rekognition？

使用 Rekognition，您可以利用機器學習自動化並降低影像辨識和影片分析的成本。

Amazon Rekognition 產品詳細資訊頁面

您應該會熟悉 Amazon Rekognition 定價模型和免費方案。Amazon Rekognition 有 4 種類型的用量，每一種都有其定價詳細資訊。

Amazon Rekognition 定價

Rekognition 的使用案例包括以下內容。您可以在 Amazon Rekognition 開發人員指南中找到更詳細的使用案例清單。

• 偵測不當內容：Amazon Rekognition 內容審核

• 線上驗證身分：使用 Amazon Rekognition 進行身分驗證

• 簡化媒體分析：適用於媒體分析的 Amazon Rekognition Video

• 傳送連網家庭智慧提醒：適用於連網家庭的 Amazon Rekognition 串流影片活動

Amazon Rekognition 產品詳細資訊頁面 - 使用案例

開發人員指南 - 什麼是 Amazon Rekognition？

您應該了解以下功能：

1.標籤偵測：Rekognition 可以偵測影像和影片中的標籤。標籤是指以下任何一個項目：物件 (例如花朵、樹木或桌子)、事件 (例如婚禮、畢業或生日派對)、概念 (例如景觀、夜晚和自然) 或活動 (例如下車)。   

開發人員指南 - 偵測標籤

2.自訂標籤可以藉由訓練機器學習模型，識別出影像中特定於您業務需求的物件和場景。例如，您可以訓練模型以偵測標誌或偵測組裝線上的工程機器零件。   

Amazon Rekognition 自訂標籤 開發人員指南 - 自訂標籤指南     

3.臉部真實性偵測可以協助您驗證通過臉部身分驗證的使用者是否實際在相機前，而不是欺騙使用者臉部的惡意人士。它會偵測呈現給相機的愚弄手法攻擊以及試圖繞過相機的攻擊。   

開發人員指南 - 偵測臉部真實性

4.臉部偵測和分析可以偵測影像和已儲存影片中的臉部。您可以取得有關影像或影片中檢測到臉部的位置、臉部特徵點 (例如眼睛的位置) 以及偵測到的情緒 (例如快樂或悲傷) 的資訊。您還可以取得人口普查資訊，例如性別或年齡。您可以將影像中的臉部與其他影像中偵測到的臉部進行比較。   

開發人員指南 - 偵測和分析臉部

5 臉部搜索搜索臉部。臉部資訊會編製索引到稱為集合的容器中。然後，集合中的臉部資訊可與影像、已儲存影片和串流影片中偵測到的臉部進行比對。   

開發人員指南 - 搜尋集合中的臉部     

6.人員路徑會追蹤在已儲存影片中偵測到的人員路徑。Amazon Rekognition Video 為影片中偵測到的人員提供路徑追蹤、臉部詳細資訊和畫面內位置資訊。   

開發人員指南 - 人員路徑    

7.個人防護裝備：Rekognition 可偵測影像中偵測到的人員穿戴的個人防護裝備。它可偵測面罩、手套和頭套，並預測 PPE 項目是否覆蓋在適當的身體部位。   

開發人員指南 - 偵測個人防護裝備     

8.名人辨識：Rekognition 可以在影像和已儲存影片中辨識成千上萬個名人。您可以取得有關名人臉部在影片上的位置、臉部特徵點以及名人臉部姿態的資訊。您可以取得名人在已儲存影片中出現的追蹤資訊。您還可以取得有關辨識名人的更多資訊，例如表達的情緒和性別的呈現。   

開發人員指南 - 辨識名人     

9.文字偵測可以偵測影像中的文字，並將其轉換為機器可讀的文字。例如，可以從交通相機影像中偵測到車輛車牌號碼。   

開發人員指南 - 偵測文字

10.內容審核可偵測不當或冒犯性的內容。Rekognition 可以分析影像和已儲存影片中是否有成人和暴力內容。您決定內容對於應用程式的適用性。例如，具有暗示性質的影像可能是可以接受的，但是包含裸露的影像則不能接受。   

開發人員指南 - 審核內容

使用適用於 .NET 的 AWS SDK 與 .NET 程式碼的 Rekognition 互動。您應該知道用於支援上方「功能」底下所列功能的主要 SDK 類別和方法。

1. 若要使用 SDK，請將 AWSSDK.Rekognition NuGet 套件新增到您的 C＃ 專案中。
2. 若要使用 Rekognition，請具現化 AmazonRekognitionClient 的執行個體並呼叫其方法。
3. 某些 SDK 方法會以 C＃ 等待關鍵字非同步呼叫
4. 建立請求物件以傳遞給方法並處理傳回的回應物件。請求和回應物件與其支援的方法具有相同的根名稱。例如，DetectLabelsAsync 方法的請求和回應物件命名為 DetectLabelsRequest 和 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}");
}

一些 Rekognition 方法在回應中包括可信度分數。可信度分數介於 0 至 100 之間，用來表示特定預測結果的正確機率。舉例來說，如果影像的物件和場景偵測程序給予「水」標籤的可信度分數是 99，「棕櫚樹」標籤的可信度分數是 35，那麼影像中就比較可能有水而不是棕櫚樹。應用程式對於偵測錯誤 (錯誤肯定) 若是較為敏感，可信度分數低於特定閾值時便應捨棄結果。最佳閾值視應用程式而定。

Amazon Rekognition 常見問答集

Rekognition 的大多數功能都使用預先訓練的模型，不需要您擁有深度學習經驗。但是，「自訂標籤」功能確實需要您訓練自訂模型。Rekognition 會為您處理繁重的工作，基於現有功能建置而成，該功能已在多種類別數千萬張影像上進行訓練。您只需將少量針對您的使用案例的訓練影像集 (通常為幾百張影像或更少) 上傳並加上標籤。您可以在 AWS Console 中進行訓練，或使用 SDK 以程式設計方式進行訓練。

訓練 Amazon Rekognition 自訂標籤模型

您應該有使用 Rekognition 來分析影像和/或影片的經驗。如果您沒有應用程式可以使用，則可以使用下方的教學和示範。

Hello, Rekognition!

如何使用 Amazon Rekognition 建置 .NET 應用程式

辨識 .NET 中的相片