本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 步骤 4：使用模型分析图像
<a name="gs-step-get-a-prediction"></a>

您可以通过调用 [DetectCustomLabels](https://docs.aws.amazon.com/rekognition/latest/APIReference/API_DetectCustomLabels)API 来分析图像。在此步骤中，您将使用 `detect-custom-labels` AWS Command Line Interface (AWS CLI) 命令分析示例图像。你可以从 Amazon Rekognition 自定义标签控制台获得 AWS CLI 命令。控制台将 AWS CLI 命令配置为使用您的模型。您只需要提供存储在 Amazon S3 存储桶中的图像即可。本主题提供了可用于每个示例项目的图像。

**注意**  
控制台还提供了调用 Python 示例代码。

`detect-custom-labels` 的输出包括在图像中找到的标签列表、边界框（如果模型会查找物体位置）以及模型对预测准确性的置信度。

有关更多信息，请参阅 [使用经过训练的模型分析图像](detecting-custom-labels.md)。

**分析图像（控制台）**

1. <textobject><phrase>模型状态显示为“正在运行”，单击“停止”按钮可停止正在运行的模型。</phrase></textobject>

   如果您还没有，请设置 AWS CLI. 有关说明，请参阅[步骤 4：设置 AWS CLI 和 AWS SDKs](su-awscli-sdk.md)。

1. 开始运行您的模型（如果尚未如此）。有关更多信息，请参阅 [步骤 3：启动模型](gs-step-start-model.md)。

1. 选择**使用模型**选项卡，然后选择 **API 代码**。下图所示的模型状态面板显示模型“正在运行”，带有“停止”按钮用于停止正在运行的模型，并提供用于显示 API 的选项。  
![\[模型状态显示为“正在运行”，单击“停止”按钮可停止正在运行的模型。\]](http://docs.aws.amazon.com/zh_cn/rekognition/latest/customlabels-dg/images/get-started-use-model-api-code.png)

1. 选择 **AWS CLI 命令**。

1. 在**分析图像部分中**，复制调用的 AWS CLI 命令`detect-custom-labels`。下面的 Rekognition 控制台图像显示“分析图像”部分，其中包含 AWS CLI 命令（可使用机器学习模型检测图像上的自定义标签），以及用于启动模型和提供图像详细信息的指令。  
![\[控制台屏幕截图，其中包含用于使用机器学习模型检测图像上自定义标签的 AWS CLI 命令，以及启动模型和提供图像详细信息的说明。\]](http://docs.aws.amazon.com/zh_cn/rekognition/latest/customlabels-dg/images/get-started-cli-code-analyze.png)

1. 将示例图像上传到 Amazon S3 存储桶。有关说明，请参阅[获取示例图像](#gs-example-images)。

1. 在命令提示符处，输入您在上一步中复制的 AWS CLI 命令。它应该类似于以下示例。

   `--project-version-arn` 的值应为模型的 Amazon 资源名称 (ARN)。`--region` 的值应为您在其中创建模型的 AWS 区域。

   将 `MY_BUCKET` 和 `PATH_TO_MY_IMAGE` 更改为您在上一步中使用的 Amazon S3 存储桶和图像。

   如果您使用 [custom-labels-access](su-sdk-programmatic-access.md#su-sdk-programmatic-access-customlabels-examples) 配置文件来获取凭证，请添加 `--profile custom-labels-access` 参数。

   ```
   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
   ```

   如果模型查找物体、场景和概念，则 AWS CLI 命令的 JSON 输出应类似于以下内容。`Name` 是模型找到的图像级标签的名称。`Confidence` (0-100) 是模型对预测准确性的置信度。

   ```
   {
       "CustomLabels": [
           {
               "Name": "living_space",
               "Confidence": 83.41299819946289
           }
       ]
   }
   ```

   如果模型查找物体位置或品牌，则会返回带标签的边界框。`BoundingBox` 包含围绕物体的方框的位置。`Name` 是模型在边界框中找到的物体。`Confidence` 是模型对边界框所包含物体的置信度。

   ```
   {
       "CustomLabels": [
           {
               "Name": "textract",
               "Confidence": 87.7729721069336,
               "Geometry": {
                   "BoundingBox": {
                       "Width": 0.198987677693367,
                       "Height": 0.31296101212501526,
                       "Left": 0.07924537360668182,
                       "Top": 0.4037395715713501
                   }
               }
           }
       ]
   }
   ```

1. 继续使用该模型分析其他图像。如果不再使用该模型，请停止模型。有关更多信息，请参阅 [步骤 5：停止模型](gs-step-stop-model.md)。

## 获取示例图像
<a name="gs-example-images"></a>

您可以将下列图像与 `DetectCustomLabels` 操作结合使用。每个项目都有一个图像。要使用这些图像，您需要将它们上传到 S3 存储桶。

**使用示例图像**

1. 右键单击下面与您正在使用的示例项目匹配的图像。然后选择**保存图像**，将图像保存到您的计算机。菜单选项可能会有所不同，具体取决于您使用的浏览器。

1. 将图片上传到您的 AWS 账户拥有的 Amazon S3 存储桶，该存储桶位于您使用亚马逊 Rekognition 自定义标签的同一 AWS 区域。

   有关说明，请参阅《Amazon Simple Storage Service 用户指南》中的[将对象上传到 Amazon S3](https://docs.aws.amazon.com/AmazonS3/latest/userguide/UploadingObjectsintoAmazonS3.html)。**

### 图像分类
<a name="gs-example-image-classification"></a>

![\[客厅有壁炉、沙发、扶手椅、茶几、灯具，还装有大窗户。\]](http://docs.aws.amazon.com/zh_cn/rekognition/latest/customlabels-dg/images/image-classification.jpg)


### 多标签分类
<a name="gs-example-image-multi-label-classification"></a>

![\[球形绿色花头，由密叠的花瓣或苞片组成，形成球状。\]](http://docs.aws.amazon.com/zh_cn/rekognition/latest/customlabels-dg/images/multi-label-classification.jpg)


### 品牌检测
<a name="gs-example-image-brand-detection"></a>

![\[图中显示用户活动数据从 Lambda 流向 Amazon Personalize 以获取推荐，以及流向 Amazon Pinpoint 以获取推荐。\]](http://docs.aws.amazon.com/zh_cn/rekognition/latest/customlabels-dg/images/brand-detection.png)


### 物体定位
<a name="gs-example-image-object-localization"></a>

![\[带有各种电子元件和连接器引脚的小型电路。\]](http://docs.aws.amazon.com/zh_cn/rekognition/latest/customlabels-dg/images/object-localization.jpg)