AIF / ドメイン1 AIとMLの基礎
Amazon Rekognition
は、画像と動画を解析するのです。 物体やシーンの検出、顔の分析、文字の読み取り、不適切コンテンツの検出などを行います。
概要
画像または動画を入力すると、検出結果をラベルや座標として返します。 自分でモデルを学習させる必要はなく、を呼ぶだけで利用できます。
試験では、画像や動画に対する分析要件で選ぶサービスとして登場します。 帳票から項目を抽出する要件はになるため、区別が必要です。
主要技術
①主要な解析機能 ⚠️ 頻出
| 機能 | 内容 | 用途の例 |
|---|---|---|
| ラベル検出 | 物体、シーン、行動を検出します。 | 画像の自動タグ付け |
| 顔の検出と分析 | 顔の位置、表情、属性を検出します。 | 来店分析、写真の整理 |
| 顔の比較と検索 | 顔同士を比較し、コレクションから探します。 | 本人確認、入場管理 |
| テキスト検出 | 画像内の短い文字列を読み取ります。 | 看板、ナンバープレート |
| 不適切コンテンツの検出 | 不適切な画像や動画を判定します。 | 投稿の審査 |
| 有名人の認識 | 著名人を識別します。 | メディア管理 |
| 動画のセグメント検出 | ショットの切り替わりや黒画面を検出します。 | 動画編集の支援 |
⚠️ 頻出: 「投稿画像の不適切な内容を自動で判定したい」という要件はのコンテンツモデレーションです。
②カスタムラベル
自社固有の物体 (自社製品、部品、ロゴなど) を検出したい場合は、少量のラベル付き画像で独自モデルを作れます。
⚠️ 頻出: 既製のラベル検出では見つけられない自社固有の対象は、カスタムラベルで学習します。でゼロから作る必要はありません。
③画像解析サービスの使い分け ⚠️ 頻出
| やりたいこと | 選ぶサービス | 理由 |
|---|---|---|
| 画像内の物体や顔を検出する | 画像の内容分析が本来の用途です。 | |
| 帳票やPDFから項目と表を抽出する | 文書の構造を保った抽出に特化しています。 | |
| 画像から説明文を生成する | 生成はなの役割です。 | |
| 画像を新しく作る | Amazon Bedrock | 画像を使います。 |
Point
- Rekognition は recognition（認識） をもじった名前です。認識する側のサービスと覚えます。
- Textract は text + extract（テキストを抽出する） の合成語です。文書から抜き出す側です。
- 和訳
- extract: 抽出する、抜き出す
- Weblio英和辞書「extract」
④セキュリティとプライバシー
顔の分析はを扱うため、次の点を設計に含めます。
- 顔のコレクションへ保存するデータの範囲と保持期間を決めます。
- 保管時はのキーで暗号化し、アクセスをで制限します。
- 利用目的の説明と同意の取得を運用として組み込みます。
試験対策
①判断マトリクス
| 問題文のキーワード | 選ぶもの |
|---|---|
| 写真に写っている物体を判別したい | ラベル検出 |
| 登録済みの顔と一致するか確かめたい | 顔の比較と検索 |
| 不適切な投稿画像を自動判定したい | コンテンツモデレーション |
| 自社製品だけを画像から見つけたい | カスタムラベル |
| 請求書から金額欄を抽出したい | |
| 画像の内容を説明する文章を作りたい |
②よくある誤答
- 帳票の項目抽出をのテキスト検出で行うと考えること。表やフォームの構造抽出はです。
- 画像生成をRekognitionで行うと考えること。Rekognitionは解析専用です。
- 自社固有の対象検出に必ず独自学習の基盤が必要と考えること。カスタムラベルで済みます。