Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Langkah 4: Analisis gambar dengan model Anda
Anda menganalisis gambar dengan memanggil [DetectCustomLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectCustomLabels)API. Pada langkah ini, Anda menggunakan perintah `detect-custom-labels` AWS Command Line Interface (AWS CLI) untuk menganalisis contoh gambar. Anda mendapatkan AWS CLI perintah dari konsol Amazon Rekognition Custom Labels. Konsol mengonfigurasi AWS CLI perintah untuk menggunakan model Anda. Anda hanya perlu menyediakan gambar yang disimpan di bucket Amazon S3. Topik ini memberikan gambar yang dapat Anda gunakan untuk setiap contoh proyek.
**catatan**
Konsol juga menyediakan kode contoh Python.
Output dari `detect-custom-labels` menyertakan daftar label yang ditemukan dalam gambar, kotak pembatas (jika model menemukan lokasi objek), dan keyakinan yang dimiliki model dalam keakuratan prediksi.
Untuk informasi selengkapnya, lihat [Menganalisis gambar dengan model terlatih](detecting-custom-labels.md).
**Untuk menganalisis gambar (konsol)**
1. Status model ditampilkan sebagai Running, dengan tombol Stop untuk menghentikan model yang sedang berjalan.
Jika Anda belum melakukannya, atur AWS CLI. Untuk petunjuk, lihat [Langkah 4: Mengatur AWS CLI dan AWS SDKs](su-awscli-sdk.md).
1. Jika Anda belum melakukannya, mulailah menjalankan model Anda. Untuk informasi selengkapnya, lihat [Langkah 3: Mulai model Anda](gs-step-start-model.md).
1. Pilih tab **Use Model** dan kemudian pilih **kode API**. Panel status model yang ditunjukkan di bawah ini menunjukkan model sebagai Running, dengan tombol Stop untuk menghentikan model yang sedang berjalan, dan opsi untuk menampilkan API.
![\[Status model ditampilkan sebagai Running, dengan tombol Stop untuk menghentikan model yang sedang berjalan.\]](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/get-started-use-model-api-code.png)
1. Pilih perintah **AWS CLI**.
1. Di bagian **Analisis gambar**, salin AWS CLI perintah yang memanggil`detect-custom-labels`. Gambar konsol Rekognition berikut menunjukkan bagian “Analisis Gambar” dengan perintah AWS CLI untuk mendeteksi label khusus pada gambar menggunakan model pembelajaran mesin, dan instruksi untuk memulai model dan memberikan detail gambar.
![\[Tangkapan layar konsol dengan perintah AWS CLI untuk mendeteksi label khusus pada gambar menggunakan model pembelajaran mesin, dan instruksi untuk memulai model dan memberikan detail gambar.\]](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/get-started-cli-code-analyze.png)
1. Unggah contoh gambar ke bucket Amazon S3. Untuk petunjuk, lihat [Mendapatkan contoh gambar](#gs-example-images).
1. Pada prompt perintah, masukkan AWS CLI perintah yang Anda salin pada langkah sebelumnya. Seharusnya terlihat seperti contoh berikut.
Nilai `--project-version-arn` harus Amazon Resource Name (ARN) model Anda. Nilai `--region` harus AWS Wilayah di mana Anda membuat model.
Ubah `MY_BUCKET` dan `PATH_TO_MY_IMAGE` ke bucket Amazon S3 dan gambar yang Anda gunakan pada langkah sebelumnya.
Jika Anda menggunakan [custom-labels-access](su-sdk-programmatic-access.md#su-sdk-programmatic-access-customlabels-examples)profil untuk mendapatkan kredensialnya, tambahkan parameternya. `--profile custom-labels-access`
```
aws rekognition detect-custom-labels \
--project-version-arn "model_arn" \
--image '{"S3Object": {"Bucket": "MY_BUCKET","Name": "PATH_TO_MY_IMAGE"}}' \
--region us-east-1 \
--profile custom-labels-access
```
Jika model menemukan objek, adegan, dan konsep, output JSON dari AWS CLI perintah akan terlihat mirip dengan berikut ini. `Name`adalah nama label tingkat gambar yang ditemukan model. `Confidence`(0-100) adalah kepercayaan model dalam keakuratan prediksi.
```
{
"CustomLabels": [
{
"Name": "living_space",
"Confidence": 83.41299819946289
}
]
}
```
Jika model menemukan lokasi objek atau menemukan merek, kotak pembatas berlabel dikembalikan. `BoundingBox`berisi lokasi kotak yang mengelilingi objek. `Name`adalah objek yang ditemukan model di kotak pembatas. `Confidence`adalah keyakinan model bahwa kotak pembatas berisi objek.
```
{
"CustomLabels": [
{
"Name": "textract",
"Confidence": 87.7729721069336,
"Geometry": {
"BoundingBox": {
"Width": 0.198987677693367,
"Height": 0.31296101212501526,
"Left": 0.07924537360668182,
"Top": 0.4037395715713501
}
}
}
]
}
```
1. Terus gunakan model untuk menganalisis gambar lain. Hentikan model jika Anda tidak lagi menggunakannya. Untuk informasi selengkapnya, lihat [Langkah 5: Hentikan model Anda](gs-step-stop-model.md).
## Mendapatkan contoh gambar
Anda dapat menggunakan gambar berikut dengan `DetectCustomLabels` operasi. Ada satu gambar untuk setiap proyek. Untuk menggunakan gambar, Anda mengunggahnya ke bucket S3.
**Untuk menggunakan contoh gambar**
1. Klik kanan gambar berikut yang cocok dengan proyek contoh yang Anda gunakan. Kemudian pilih **Simpan gambar** untuk menyimpan gambar ke komputer Anda. Opsi menu mungkin berbeda, tergantung pada browser mana yang Anda gunakan.
1. Unggah gambar ke bucket Amazon S3 yang dimiliki oleh AWS akun Anda dan berada di AWS wilayah yang sama dengan tempat Anda menggunakan Label Kustom Rekognition Amazon.
Untuk petunjuk, lihat [Mengunggah Objek ke Amazon](https://docs.aws.amazon.com/AmazonS3/latest/userguide/UploadingObjectsintoAmazonS3.html) S3 di Panduan Pengguna *Layanan Penyimpanan Sederhana Amazon*.
### Klasifikasi gambar
![\[Ruang tamu dengan perapian, sofa, kursi berlengan, meja ujung, lampu, dan jendela besar.\]](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/image-classification.jpg)
### Klasifikasi multi-label
![\[Kepala bunga hijau bulat terdiri dari kelopak tumpang tindih padat atau bracts membentuk bentuk seperti bola.\]](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/multi-label-classification.jpg)
### Deteksi merek
![\[Diagram yang menampilkan data aktivitas pengguna yang mengalir dari Lambda ke Amazon Personalisasi untuk rekomendasi, dan ke Amazon Pinpoint untuk rekomendasi.\]](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/brand-detection.png)
### Lokalisasi objek
![\[Sirkuit kecil dengan berbagai komponen elektronik, dan pin konektor.\]](http://docs.aws.amazon.com/id_id/rekognition/latest/customlabels-dg/images/object-localization.jpg)