本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 什麼是 Amazon Rekognition 自訂標籤？
<a name="what-is"></a>

透過 Amazon Rekognition 自訂標籤，您可以識別圖像中特定於您業務需求的物體、標誌和場景。例如，您可以在社交媒體的貼文上找到屬於您的標誌、識別商店貨架上的產品、對生產線中的機器零件進行分類、區分健康植物和受感染植物，或偵側圖片中的動畫人物。

開發自訂模型以分析圖像是一項艱鉅的任務，需要時間、專業知識和資源。通常需要幾個月的時間才能完成。此外，它可能需要數千或數萬張手工標記的圖像來為模型提供足夠的數據來準確地做出決策。產生這些數據可能需要數月的時間才能收集，而且可能需要大量的標籤員作出準備，將其用於機器學習。

Amazon Rekognition 自訂標籤擴展了 Amazon Rekognition 的現有功能，這些功能已經針對多個類別，數以千萬張圖像進行了培訓。您可以只上傳一小組特定於您的使用案例的培訓圖像（通常是幾百張或更少），而不再需要數千張圖像。您可以使用便利的主控台來完成此操作。如果您的圖像已新增標籤，Amazon Rekognition 自訂標籤可以在短時間內開始培訓模型。如果沒有，您可以直接在標籤界面中標記影像，也可以使用 Amazon SageMaker AI Ground Truth 為您標記影像。

Amazon Rekognition 自訂標籤開始根據您的圖像集進行培訓後，它可以在短短幾小時內為您產生自訂圖像分析模型。在後台，Amazon Rekognition 自訂標籤會自動載入和檢查培訓資料、選擇正確的機器學習演算法、培訓模型並提供模型的效能指標。然後，您可以透過 Amazon Rekognition 自訂標籤 API 使用自訂模型並將其整合到您的應用程式當中。

**Topics**
+ [主要優點](#key-benefits)
+ [選擇使用 Amazon Rekognition 自訂標籤](#wi-choosing)
+ [您是第一次使用 Amazon Rekognition 自訂標籤嗎？](#first-time-user)

## 主要優點
<a name="key-benefits"></a>

**簡化的資料標記**  
Amazon Rekognition 自訂標籤主控台提供了一個可視化介面，可以快速、簡單地為圖像添加標籤。該界面可讓您將標籤應用於整個圖像。您也可以透過點擊並拖曳介面使用邊界框來識別和標記圖像中的特定物體。或者，如果您擁有大型資料集，則可以使用 [Amazon SageMaker Ground Truth](https://aws.amazon.com/sagemaker/groundtruth/) 有效地擴展標記圖像。

**自動化機器學習**  
建立自訂模型不需要機器學習專業知識。Amazon Rekognition 自訂標籤包含自動化機器學習 (AutoML) 功能，可為您處理好機器學習。提供培訓圖像後，Amazon Rekognition 自訂標籤可以自動載入和檢查資料、選擇正確的機器學習演算法、培訓模型並提供模型效能指標。

**簡化的模型評估、推理和反饋**  
您可以在測試集上評估自訂模型的效能。對於測試集中的每個圖像，您可以看到模型預測與分配的標籤的並排比較。您也可以檢閱詳細的效能指標，例如精確度、召回、F1 分數和信賴度分數。您可以立即開始使用模型進行圖像分析，也可以使用更多圖像重演和重新培訓新版本以提高效能。開始使用模型後，您可以追蹤預測、修正任何錯誤，並使用反饋資料重新培訓新模型版本並提高效能。

## 選擇使用 Amazon Rekognition 自訂標籤
<a name="wi-choosing"></a>

Amazon Rekognition 提供兩種特徵，可讓您用來尋找圖像中的標籤 (物體、場景和概念)：Amazon Rekognition 自訂標籤 和 [Amazon Rekognition Image 標籤偵測](https://docs.aws.amazon.com/rekognition/latest/dg/labels.html)。使用以下資訊來確定您應該使用哪種特徵。

### Amazon Rekognition Image 標籤偵測
<a name="wi-label-detection"></a>

您可以使用 Amazon Rekognition Image 中的標籤偵測特徵，擴展識別、分類和搜尋圖像和影片中的 *常見* 標籤，而無需建立機器學習模型。例如，您可以輕鬆偵測數千種常見物體，例如汽車和貨車、番茄、籃球和足球。

如果您的應用程式需要尋找常見的標籤，我們建議您使用 Amazon Rekognition Image 標籤偵測，因為您不需要培訓模型。若要取得 Amazon Rekognition Image 標籤偵測找到的標籤清單，請參閱 [偵測標籤](https://docs.aws.amazon.com/rekognition/latest/dg/labels.html)。

如果您的應用程式需要尋找 Amazon Rekognition Image 標籤偵測找不到的標籤，例如組裝線上的自訂機器零件，我們建議您使用 Amazon Rekognition 自訂標籤。

### Amazon Rekognition 自訂標籤
<a name="wi-custom-labels"></a>

您可以使用 Amazon Rekognition 自訂標籤輕鬆培訓機器學習模型，在圖像中尋找符合您業務需求的特有標籤 (物體、標誌、場景和概念)。

Amazon Rekognition 自訂標籤可以將圖像分類 (圖像層級預測) 或偵測圖像中的物體位置 (物體/邊界框層級預測)。

Amazon Rekognition 自訂標籤為您可以偵測的物體和場景類型提供了更大的靈活性。例如，您可以使用 Amazon Rekognition Image 標籤偵測來尋找植物和樹葉。若要區分健康、受損和受感染的植物，您需要使用 Amazon Rekognition 自訂標籤。

以下是如何使用 Amazon Rekognition 自訂標籤的範例。
+ 識別球衣和頭盔上的球隊標誌
+ 區分裝配線上的特定機器零件或產品 
+ 識別媒體庫中的卡通人物
+ 在零售貨架上尋找特定品牌的產品
+ 將農產品的品質進行分類（例如腐爛、成熟或未經烹調的）

**注意**  
Amazon Rekognition 自訂標籤不適用於分析臉孔、偵測文字或尋找圖像中不安全的圖像內容。若要執行這些任務，您可以使用 Amazon Rekognition Image。如需更多詳細資訊，請參閱 [什麼是 Amazon Rekognition 自訂標籤](https://docs.aws.amazon.com/rekognition/latest/dg/what-is.html)。

## 您是第一次使用 Amazon Rekognition 自訂標籤嗎？
<a name="first-time-user"></a>

如果您是 Amazon Rekognition 自訂標籤的首次用戶，我們建議您按順序閱讀以下部分：

1. **[設定 Amazon Rekognition 自訂標籤](setting-up.md)** — 本節將會說明如何設定您的帳戶資料。

1. **[了解 Amazon Rekognition 自訂標籤](understanding-custom-labels.md)** – 本節將會說明建立模型的工作流程。

1. **[Amazon Rekognition 自訂標籤入門](getting-started.md)** – 在本節中，您將會使用 Amazon Rekognition 自訂標籤建立的範例專案來訓練模型。

1. **[分類映像](tutorial-classification.md)** – 本節將會說明如何使用您建立的資料集來訓練對影像進行分類的模型。