As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
# Etapa 4: analise uma imagem com seu modelo
Você analisa uma imagem chamando a [DetectCustomLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectCustomLabels)API. Nesta etapa, você usa o comando `detect-custom-labels` AWS Command Line Interface (AWS CLI) para analisar uma imagem de exemplo. Você recebe o AWS CLI comando no console Amazon Rekognition Custom Labels. O console configura o AWS CLI comando para usar seu modelo. Só é preciso fornecer uma imagem que esteja armazenada em um bucket do Amazon S3. Este tópico fornece uma imagem que é possível usar para cada projeto de exemplo.
**nota**
O console também fornece um código de exemplo em Python.
A saída de `detect-custom-labels` inclui uma lista de rótulos encontrados na imagem, caixas delimitadoras (se o modelo encontrar a localização dos objetos) e a confiança que o modelo tem na precisão das previsões.
Para obter mais informações, consulte [Como analisar uma imagem com um modelo treinado](detecting-custom-labels.md).
**Para analisar uma imagem (console)**
1. O status do modelo é exibido como Em execução, com o botão Interromper para parar o modelo em execução.
Se você ainda não o fez, configure AWS CLI o. Para instruções, consulte [Etapa 4: configurar o AWS CLI e AWS SDKs](su-awscli-sdk.md).
1. Se ainda não tiver iniciado, comece a executar seu modelo. Para obter mais informações, consulte [Etapa 3: inicie seu modelo](gs-step-start-model.md).
1. Escolha a guia **Usar modelo** e escolha o **código da API**. O painel de status do modelo mostrado abaixo mostra o modelo como Em execução, com um botão Interromper para parar a execução do modelo e uma opção para exibir a API.
![\[O status do modelo é exibido como Em execução, com o botão Interromper para parar o modelo em execução.\]](http://docs.aws.amazon.com/pt_br/rekognition/latest/customlabels-dg/images/get-started-use-model-api-code.png)
1. Escolha o **Comando da AWS CLI**.
1. Na seção **Analisar imagem**, copie o AWS CLI comando que chama`detect-custom-labels`. A imagem a seguir do console do Rekognition mostra a seção “Analisar imagem” com o comando da AWS CLI para detectar rótulos personalizados em uma imagem usando um modelo de machine learning e instruções para iniciar o modelo e fornecer detalhes da imagem.
![\[Captura de tela do console com o comando AWS CLI para detectar rótulos personalizados em uma imagem usando um modelo de aprendizado de máquina e instruções para iniciar o modelo e fornecer detalhes da imagem.\]](http://docs.aws.amazon.com/pt_br/rekognition/latest/customlabels-dg/images/get-started-cli-code-analyze.png)
1. Faça upload de uma imagem de exemplo para um bucket do Amazon S3. Para instruções, consulte [Como obter uma imagem de exemplo](#gs-example-images).
1. No prompt de comando, digite o AWS CLI comando que você copiou na etapa anterior. Ele se parece com o exemplo a seguir.
O valor de `--project-version-arn` deve ser o nome do recurso da Amazon (ARN) do seu modelo. O valor de `--region` deve ser a região da AWS na qual você criou o modelo.
Altere `MY_BUCKET` e `PATH_TO_MY_IMAGE` use o bucket e a imagem do Amazon S3 que você usou na etapa anterior.
Se você estiver usando o perfil [custom-labels-access](su-sdk-programmatic-access.md#su-sdk-programmatic-access-customlabels-examples) para obter credenciais, adicione o parâmetro `--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
```
Se o modelo encontrar objetos, cenas e conceitos, a saída JSON do comando AWS CLI deverá ser semelhante à seguinte. O `Name` é o nome do rótulo em nível de imagem que o modelo encontrou. A `Confidence` (0-100) é a confiança do modelo na precisão da previsão.
```
{
"CustomLabels": [
{
"Name": "living_space",
"Confidence": 83.41299819946289
}
]
}
```
Se o modelo encontrar a localização dos objetos ou encontrar a marca, as caixas delimitadoras rotuladas serão retornadas. A `BoundingBox`contém a localização de uma caixa que circunda o objeto. O `Name` é o objeto que o modelo encontrou na caixa delimitadora. A `Confidence` é a confiança do modelo de que a caixa delimitadora contém o objeto.
```
{
"CustomLabels": [
{
"Name": "textract",
"Confidence": 87.7729721069336,
"Geometry": {
"BoundingBox": {
"Width": 0.198987677693367,
"Height": 0.31296101212501526,
"Left": 0.07924537360668182,
"Top": 0.4037395715713501
}
}
}
]
}
```
1. Continue usando o modelo para analisar outras imagens. Interrompa o modelo se não estiver mais usando. Para obter mais informações, consulte [Etapa 5: interrompa seu modelo](gs-step-stop-model.md).
## Como obter uma imagem de exemplo
É possível usar as imagens a seguir com a operação `DetectCustomLabels`. Há uma imagem para cada projeto. Para usar as imagens, faça upload delas em um bucket do S3.
**Para usar uma imagem de exemplo**
1. Clique com o botão direito do mouse na imagem a seguir que corresponde ao projeto de exemplo que você está usando. Em seguida, escolha **Salvar imagem** para salvar a imagem no seu computador. A opção do menu pode ser diferente, dependendo do navegador que você está usando.
1. Faça o upload da imagem para um bucket do Amazon S3 que pertence à sua AWS conta e está na mesma AWS região em que você está usando etiquetas personalizadas do Amazon Rekognition.
Para obter mais informações, consulte [Fazer upload de objetos no Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/userguide/UploadingObjectsintoAmazonS3.html) no *Guia do usuário do Amazon Simple Storage Service*.
### Classificação de imagens
![\[Sala de estar com lareira, sofá, poltrona, mesas, luminárias e janelas grandes.\]](http://docs.aws.amazon.com/pt_br/rekognition/latest/customlabels-dg/images/image-classification.jpg)
### Classificação com vários rótulos
![\[Cabeça de flor verde esférica composta por pétalas ou brácteas sobrepostas densamente compactadas formando uma bola.\]](http://docs.aws.amazon.com/pt_br/rekognition/latest/customlabels-dg/images/multi-label-classification.jpg)
### Detecção de marca
![\[Diagrama mostrando os dados da atividade do usuário fluindo do Lambda para o Amazon Personalize para recomendações e para o Amazon Pinpoint para recomendações.\]](http://docs.aws.amazon.com/pt_br/rekognition/latest/customlabels-dg/images/brand-detection.png)
### Localização de objetos
![\[Circuito pequeno com vários componentes eletrônicos e pinos de conexão.\]](http://docs.aws.amazon.com/pt_br/rekognition/latest/customlabels-dg/images/object-localization.jpg)