亚马逊现在允许客户使用Rekognition标记和跟踪特定对象

 
对于缺乏数据科学专业知识的人来说，构建自定义计算机视觉模型并不容易，但是亚马逊希望通过在拉斯维加斯re：Invent 2019会议之前发布的功能来简化事情。亚马逊网络服务(AWS)今天宣布，其基于云的软件即服务计算机视觉平台Rekognition将很快获得自定义标签，这些标签将使客户能够为特定用例设计对象检测系统。
从12月3日开始，AWS客户将能够使用Rekognition来训练带有少量标签图像(少至10组)的模型，从而使他们能够检测照片中诸如“涡轮增压器”和“变速器扭矩转换器”之类的神秘物品，例如，机械零件。与传统方法不同，传统方法要求从头开始在大型语料库上训练计算机视觉模型，而Rekognition的自定义标签则使用转移学习技术来实现Amazon所谓的“最先进”性能。
亚马逊表示，VidMob和美国国家橄榄球联盟(National Football League)的NFL Media等客户已经在使用自定义标签来生成元数据标签，并为各种内容创建团队提供可搜索的方面。亚马逊发言人通过电子邮件告诉VentureBeat：“ [自定义标签]极大地提高了团队搜索内容的速度，并使他们能够自动标记以前需要手动操作的元素。”
Rekognition高级产品经理Anushri Mainthia在博客中写道：“ AWS客户现在可以轻松地用少量标签图像训练高质量的定制视觉模型。” “这样做不需要任何ML经验，并且只需几行代码，客户就可以访问Amazon Rekognition易于使用的完全托管的Custom Labels API，该API可以在一个小时内处理存储在Amazon S3中的数万张图像。”
值得注意的是，竞争对手Microsoft在Azure Custom Vision中提供了可比的功能，该功能使开发人员可以为特定域构建模型和计算机模型。 Google同样在Cloud AutoML视觉对象检测中支持定制模型训练，该训练使用户可以训练对象检测分类器及其标签。
因此，Rekognition的自定义标签并没有像使Amazon的产品更新一样快地推动最新技术发展。但是，该功能确实表明了公司对Rekognition的重视程度。Rekognition于2016年推出，还可以跟踪名人，通过视频移动的人和面部特征，这是AI即服务业务增长的核心。
对于亚马逊来说不幸的是，Rekognition可能是其AI驱动产品中最具争议的产品。在2018年夏季的一次测试中，美国公民自由联盟证明承认承认将28名国会代表误认为犯罪分子。一月份，麻省理工学院的研究人员发表了一项研究，发现在特定情况下，重新识别无法可靠地确定肤色较深的面孔的性别。数百名亚马逊员工签署了公开信，抗议该服务出售给执法部门。
亚马逊方面表示，它正在努力通过AWS机器学习研究补助金为研究项目和人员提供资金来提高Rekognition的准确性，最近一次是在2018年11月通过“重大更新”。另外，首席执行官Jeff Bezos于9月表示亚马逊的公共政策团队正在积极制定面部识别法规。