Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Built-in SageMaker Algoritmi di intelligenza artificiale per la visione artificiale
SageMaker L'intelligenza artificiale fornisce algoritmi di elaborazione delle immagini utilizzati per la classificazione delle immagini, il rilevamento di oggetti e la visione artificiale.
-
Classificazione delle immagini - MXNet: utilizza dati di esempio con delle risposte (definito come algoritmo supervisionato). Utilizza questo algoritmo per classificare le immagini.
-
Classificazione delle immagini - TensorFlow—utilizza modelli TensorFlow Hub preaddestrati per ottimizzare attività specifiche (denominati algoritmi supervisionati). Utilizza questo algoritmo per classificare le immagini.
-
Rilevamento degli oggetti - MXNet: rileva e classifica gli oggetti nelle immagini utilizzando un'unica rete neurale profonda. È un algoritmo di apprendimento supervisionato che accetta le immagini come input e identifica tutte le istanze degli oggetti all'interno della scena dell'immagine.
-
Rilevamento di oggetti - TensorFlow: rileva i riquadri di delimitazione e le etichette degli oggetti in un'immagine. È un algoritmo di apprendimento supervisionato che supporta il trasferimento dell'apprendimento con i modelli preaddestrati disponibili. TensorFlow
-
Algoritmo di segmentazione semantica: fornisce un approccio a livello di pixel in modo granulare per lo sviluppo di applicazioni di visione artificiale.
| Nome algoritmo | Nome canale | Modalità di input per l'addestramento | Tipo di file | Classe di istanza | Parallelizzabile |
|---|---|---|---|---|---|
| Classificazione delle immagini - MXNet | addestra e convalida (facoltativamente) train_lst, validation_lst e model | File o Pipe | recordIO o file immagine (.jpg o.png) | GPU | Sì |
| Classificazione delle immagini - TensorFlow | Addestramento e convalida | File | file di immagine (.jpg, .jpeg o.png) | CPU o GPU | Sì (solo su GPU multipli su una Istanza singola) |
| Rilevamento di oggetti | addestramento e convalida (facoltativamente) train_annotation, validation_annotation e model | File o Pipe | recordIO o file immagine (.jpg o.png) | GPU | Sì |
| Rilevamento di oggetti - TensorFlow | Addestramento e convalida | File | file di immagine (.jpg, .jpeg o.png) | GPU | Sì (solo su GPU multipli su una Istanza singola) |
| Segmentazione semantica | addestramento e convalida train_annotation, validation_annotation e (facoltativamente) label_map e model | File o Pipe | File di immagine | GPU (solo istanza singola) | No |
