Annunciando la Moderazione Personalizzata di Rekogniton Migliora l’accuratezza dei modelli di moderazione pre-addestrati di Rekognition con i tuoi dati.

Migliora l'accuratezza dei modelli di moderazione pre-addestrati di Rekognition con la Moderazione Personalizzata di Rekognition

Le aziende si affidano sempre più all’utilizzo di immagini e video generati dagli utenti per il coinvolgimento. Dalle piattaforme di e-commerce che incoraggiano i clienti a condividere immagini dei prodotti alle aziende di social media che promuovono video e immagini generati dagli utenti, utilizzare i contenuti degli utenti per il coinvolgimento è una strategia potente. Tuttavia, può essere difficile garantire che questi contenuti generati dagli utenti siano coerenti con le vostre politiche e favoriscano una comunità online sicura per i vostri utenti.

Molte aziende attualmente dipendono da moderatori umani o rispondono reattivamente alle lamentele degli utenti per gestire i contenuti generati dagli utenti inappropriati. Questi approcci non sono in grado di gestire in modo efficace milioni di immagini e video a una qualità o velocità sufficienti, il che porta a un’esperienza utente scarsa, costi elevati per raggiungere la portata o addirittura potenziali danni alla reputazione del marchio.

In questo post, discutiamo come utilizzare la funzione di Moderazione personalizzata in Amazon Rekognition per migliorare l’accuratezza della vostra API di moderazione dei contenuti preaddestrati.

Moderazione dei contenuti in Amazon Rekognition

Amazon Rekognition è un servizio di intelligenza artificiale (AI) gestito che offre capacità di visione artificiale preaddestrate e personalizzabili per estrarre informazioni e intuizioni da immagini e video. Una delle sue capacità è la Moderazione dei contenuti di Amazon Rekognition, che rileva contenuti inappropriati o indesiderati in immagini e video. Amazon Rekognition utilizza una tassonomia gerarchica per etichettare contenuti inappropriati o indesiderati con 10 categorie principali di moderazione (come violenza, esplicito, alcol o droghe) e 35 categorie di secondo livello. I clienti di diverse industrie come l’e-commerce, i social media e il gaming possono utilizzare la moderazione dei contenuti in Amazon Rekognition per proteggere la reputazione del marchio e promuovere comunità utenti sicure.

• L’OMS pubblica un’outline per le considerazioni nella regolamentazione dell’intelligenza artificiale per la salute
• Costruire una pipeline Batch Data con Athena e MySQL
• NVIDIA DGX Cloud e AI Enterprise ora disponibili su Oracle Cloud Marketplace

Utilizzando Amazon Rekognition per la moderazione di immagini e video, i moderatori umani devono esaminare un insieme molto più piccolo di contenuti, di solito dal 1% al 5% del volume totale, già segnalato dal modello di moderazione dei contenuti. Ciò consente alle aziende di concentrarsi su attività più preziose e allo stesso tempo ottenere una copertura di moderazione completa a una frazione dei costi esistenti.

Introduzione alla Moderazione personalizzata di Amazon Rekognition

Ora è possibile migliorare l’accuratezza del modello di moderazione Rekognition per i dati specifici dell’attività con la funzione di Moderazione personalizzata. È possibile addestrare un adattatore personalizzato con anche solo 20 immagini annotate in meno di 1 ora. Questi adattatori estendono le capacità del modello di moderazione per rilevare immagini utilizzate per l’addestramento con maggiore precisione. In questo post, useremo un set di dati di esempio contenente immagini sicure e immagini con bevande alcoliche (considerate non sicure) per migliorare l’accuratezza dell’etichetta di moderazione dell’alcol.

L’ID univoco dell’adattatore addestrato può essere fornito all’operazione API esistente di DetectModerationLabels per elaborare immagini utilizzando questo adattatore. Ogni adattatore può essere utilizzato solo dall’account AWS che è stato utilizzato per addestrare l’adattatore, garantendo che i dati utilizzati per l’addestramento rimangano sicuri e protetti in quell’account AWS. Con la funzione di Moderazione personalizzata, è possibile personalizzare il modello di moderazione preaddestrato di Rekognition per ottenere prestazioni migliorate nel proprio caso specifico di moderazione, senza alcuna competenza nell’apprendimento automatico (ML). Si può continuare a godere dei vantaggi di un servizio di moderazione completamente gestito con un modello di tariffazione a consumo per la Moderazione personalizzata.

Panoramica della soluzione

L’addestramento di un adattatore di moderazione personalizzato prevede cinque passaggi che è possibile completare utilizzando la Console di gestione AWS o l’interfaccia API:

1. Crea un progetto
2. Carica i dati di addestramento
3. Assegna etichette di verità al suolo alle immagini
4. Addestra l’adattatore
5. Utilizza l’adattatore

Andiamo ora a vedere questi passaggi in modo più dettagliato utilizzando la console.

Crea un progetto

Un progetto è un contenitore per archiviare i tuoi adattatori. È possibile addestrare più adattatori all’interno di un progetto con diversi set di dati di addestramento per valutare quale adattatore offre le migliori prestazioni per il caso d’uso specifico. Per creare il progetto, segui i seguenti passaggi:

1. Sulla console Amazon Rekognition, seleziona Custom Moderation nel riquadro di navigazione.
2. Scegli Crea progetto.

1. Per Nome progetto, inserisci un nome per il tuo progetto.
2. Per Nome adattatore, inserisci un nome per il tuo adattatore.
3. Facoltativamente, inserisci una descrizione per il tuo adattatore.

Carica dati di addestramento

Puoi iniziare con almeno 20 immagini di esempio per adattare il modello di moderazione a rilevare meno falsi positivi (immagini appropriate per il tuo business ma segnalate dal modello con una etichetta di moderazione). Per ridurre i falsi negativi (immagini inappropriate per il tuo business ma che non vengono segnalate con una etichetta di moderazione), è necessario iniziare con almeno 50 immagini di esempio.

Puoi selezionare le seguenti opzioni per fornire i dataset di immagini per l’addestramento dell’adattatore:

• Importa un file di manifest con immagini etichettate secondo la tassonomia di moderazione dei contenuti di Amazon Rekognition.
• Importa immagini da un bucket Amazon Simple Storage Service (Amazon S3) e fornisci etichette. Assicurati che l’utente o il ruolo IAM (Identity and Access Management) abbia le autorizzazioni di accesso appropriate alla cartella specificata del bucket S3.
• Carica immagini dal tuo computer e fornisci etichette.

Completa i seguenti passaggi:

1. Per questo post, seleziona Importa immagini da bucket S3 e inserisci il tuo URI S3.

Come qualsiasi processo di addestramento ML, addestrare un adattatore di moderazione personalizzato in Amazon Rekognition richiede due dataset separati: uno per addestrare l’adattatore e un altro per valutare l’adattatore. Puoi caricare un set di dati di test separato o scegliere di suddividere automaticamente il tuo set di dati di addestramento per addestramento e test.

1. Per questo post, seleziona Suddivisione automatica.
2. Seleziona Abilita aggiornamento automatico per assicurarti che il sistema addestri automaticamente l’adattatore quando viene lanciata una nuova versione del modello di moderazione dei contenuti.
3. Scegli Crea progetto.

Assegna etichette di verità assoluta alle immagini

Se hai caricato immagini non annotate, puoi utilizzare la console Amazon Rekognition per fornire etichette alle immagini secondo la tassonomia di moderazione. Nell’esempio seguente, addestriamo un adattatore per rilevare alcol nascosto con maggiore precisione e etichettiamo tutte le immagini di questo tipo con l’etichetta “alcol”. Le immagini considerate appropriate possono essere etichettate come “sicure”.

Allenare l’adattatore

Dopo aver etichettato tutte le immagini, scegli Avvia addestramento per avviare il processo di addestramento. Amazon Rekognition utilizzerà i set di dati di immagini caricati per addestrare un modello di adattamento per una maggiore precisione sul tipo specifico di immagini fornite per l’addestramento.

Dopo che l’adattatore personalizzato per la moderazione è stato addestrato, è possibile visualizzare tutti i dettagli dell’adattatore (IDadattatore, test e file manifest addestramento) nella sezione Prestazioni adattatore.

La sezione Prestazioni adattatore mostra miglioramenti nei falsi positivi e nei falsi negativi rispetto al modello di moderazione pre-addestrato. L’adattatore che abbiamo addestrato per migliorare la rilevazione dell’etichetta dell’alcol riduce il tasso di falsi negativi nelle immagini di test del 73%. In altre parole, l’adattatore predice ora con precisione l’etichetta di moderazione dell’alcol per il 73% di immagini in più rispetto al modello di moderazione pre-addestrato. Tuttavia, non si osservano miglioramenti nei falsi positivi, poiché non sono state utilizzate campioni falsi positivi per l’addestramento.

Usa l’adattatore

Puoi eseguire l’elaborazione utilizzando il nuovo adattatore addestrato per ottenere una maggiore precisione. Per farlo, chiama l’API di rilevamento etichetta moderazione di Amazon Rekognition con un parametro aggiuntivo, VersioneProgetto, che è l’IDadattatore univoco dell’adattatore. Di seguito è riportato un comando di esempio utilizzando l’Interfaccia a riga di comando AWS (AWS CLI):

aws rekognition detect-moderation-labels \--image 'S3Object={Bucket="<bucket>",Name="<key>"}' \--project-version <ARN dell'adattatore> \--region us-east-1

Di seguito è riportato uno snippet di codice di esempio utilizzando la libreria Python Boto3:

import boto3client = boto3.client('rekognition')response = client.detect_moderation_labels(    Image={        "S3Object":{            "Bucket":"<bucket>",            "Name":"<key>"        }    },     ProjectVersion="<ARN dell'adattatore>")

Best practice per l’addestramento

Per massimizzare le prestazioni del tuo adattatore, si consigliano le seguenti best practice per l’addestramento dell’adattatore:

• I dati delle immagini di esempio dovrebbero catturare gli errori rappresentativi che si desidera migliorare per la precisione del modello di moderazione
• Al posto di portare solo errori per falsi positivi e falsi negativi, è possibile fornire anche veri positivi e veri negativi per prestazioni migliorate
• Fornire il maggior numero possibile di immagini annotate per l’addestramento

Conclusione

In questo post, abbiamo presentato una panoramica approfondita della nuova funzione di moderazione personalizzata di Amazon Rekognition. Inoltre, abbiamo dettagliato i passaggi per il training utilizzando la console, comprese le best practice per risultati ottimali. Per ulteriori informazioni, visita la console di Amazon Rekognition ed esplora la funzione di Moderazione personalizzata.

Amazon Rekognition Custom Moderationè ora disponibile in tutte le regioni AWS in cui è disponibile Amazon Rekognition.

Per saperne di più sulla moderazione dei contenuti su AWS. Fai il primo passo verso semplicizzare le tue operazioni di moderazione dei contenuti con AWS.