Amazon Rekognition .NET 技能徽章

Amazon Rekognition 和 .NET 工作负载徽章体现您对 Amazon Rekognition 服务和 .NET 工作负载的精通程度。此准备指南逐个主题解释了您需要了解哪些内容才能通过评测，并提供了可供您查看的资源。您还应该将该服务与自己的应用程序或 AWS 教程结合使用，获得实践经验。

准备就绪后，前往“模块 2”参加评测考试。

Amazon Rekognition 提供预先训练和可定制的计算机视觉（CV）功能，可从您的图像和视频中提取信息和获得洞察力。Amazon Rekognition 让您可以向应用程序轻松添加图像和视频分析功能。只需向 Amazon Rekognition API 提供图像或视频，该服务即会识别物体、人员、文本、场景和活动。它还可以检测任何不合适的内容。Amazon Rekognition 还提供高度准确的面部分析、面部比较和面部搜索功能。您可以在各种使用案例中检测、分析和比较不同面孔，例如用户验证、编录、人员计数和公共安全等领域。 

Amazon Rekognition 产品详情页面

Amazon Rekognition 开发人员指南 — 什么是 Amazon Rekognition？

借助 Rekognition，您可以通过机器学习自动执行图像识别和视频分析并降低成本。

Amazon Rekognition 产品详情页面

您应该熟悉 Amazon Rekognition 定价模型和免费套餐。Amazon Rekognition 有 4 种不同的使用类型，每种都有各自的定价详情。

Amazon Rekognition 定价

Rekognition 的使用案例如下。您可以在 Amazon Rekognition 开发人员指南中找到更详细的使用案例列表。

• 检测不当内容：Amazon Rekognition 内容审核

• 在线身份验证：使用 Amazon Rekognition 进行身份验证

• 简化媒体分析：用于媒体分析的 Amazon Rekognition Video

• 发送互联家居智能警报：用于互联家居的 Amazon Rekognition Streaming Video Events

Amazon Rekognition 产品详情页面 — 应用场景

开发人员指南 — 什么是 Amazon Rekognition？

您应该了解以下功能：

1.标签检测：Rekognition 可以检测图像和视频中的标签。标签指以下任意内容：对象（例如花、树或桌子）、事件（例如婚礼、毕业典礼或生日聚会）、概念（例如风景、夜晚和自然）或活动（例如，下车）。   

开发人员指南 — 检测标签

2.自定义标签可以通过训练机器学习模型来识别图像中特定于您的业务需求的物体和场景。例如，您可以训练模型来检测徽标或检测装配线上的工程机械零件。   

Amazon Rekognition Custom Labels 开发人员指南 — 自定义标签指南     

3.人脸活动检测可以帮助您验证进行人脸身份验证的用户是否实际出现在摄像头前，而不是不法分子盗用用户人脸。它可以检测向摄像机呈现的欺骗攻击以及绕过摄像机的攻击。   

开发人员指南 — 检测人脸活动

4.人脸检测和分析可以检测图像和存储视频中的人脸。您可以获得有关在图像或视频中检测到人脸的位置、面部标志（例如眼睛的位置）以及检测到的情绪（例如快乐或悲伤）的信息。您还可以获得性别或年龄等人口统计信息。您可以将图像中的人脸与另一图像中检测到的人脸进行比较。   

开发人员指南 — 检测和分析人脸

5 人脸搜索可以搜索人脸。人脸信息被索引到称为集合的容器中。然后，可以将集合中的人脸信息与图像、存储的视频和流视频中检测到的人脸进行匹配。   

开发人员指南 — 在集合中搜索人脸     

6.人物路径跟踪在存储的视频中检测到的人物路径。Amazon Rekognition Video 为视频中检测到的人物提供路径跟踪、人脸详细信息和帧内位置信息。   

开发人员指南 — 人物路径    

7.个人防护装备：Rekognition 可以检测图像中检测到的人员所穿的个人防护装备。它可以检测面罩、手套和头罩，并预测一件个人防护装备是否覆盖了适当的身体部位。   

开发人员指南 — 检测个人防护装备     

8.名人识别：Rekognition 可以识别图像和存储视频中的数千位名人。您可以获得有关名人人脸在图像上的位置、人脸标志以及名人人脸姿态的信息。当名人出现在存储的视频中时，您可以获取他们的追踪信息。您还可以获得有关知名人士的更多信息，例如表达的情感和性别表现。   

开发人员指南 — 识别名人     

9.文本检测可以检测图像中的文本并将其转换为机器可读的文本。例如，可以从交通摄像头图像中检测车辆牌照号。   

开发人员指南 — 检测文本

10.内容审核可以检测不当或冒犯性的内容。Rekognition 可以分析图像和存储的视频中是否包含成人内容和暴力内容。您可以确定内容是否适合您的应用程序。例如，可能可以接受暗示性的图像，但不能接受包含裸体的图像。   

开发人员指南 — 审核内容

使用适用于 .NET 的 AWS SDK 通过 .NET 代码与 Rekognition 进行交互。您应该了解用于支持上面“功能”下列出的功能的主要 SDK 类和方法。

1. 要使用开发工具包，请将 AWSSDK.Rekognition NuGet 包添加到您的 C# 项目。
2. 要使用 Rekognition，请实例化 AmazonRekognitionClient 的实例并调用其方法。
3. 大多数 SDK 方法都是通过 C# await 关键字异步调用的
4. 创建请求对象以传递给方法并处理返回的响应对象。请求和响应对象具有与其支持的方法相同的根名称。例如，DetectLabelsAsync 方法的请求和响应对象名为 DetectLabelsRequest 和 DetectLabelsResponse。
   

var rekognitionClient = new AmazonRekognitionClient(RegionEndpoint.USWest2);

DetectLabelsRequest detectlabelsRequest = new DetectLabelsRequest()
{
    Image = image,
    MaxLabels = 10,
    MinConfidence = 75F
};

var detectLabelsResponse = await _rekognitionClient.DetectLabelsAsync(detectlabelsRequest);
Console.WriteLine($"Detected labels for {filename}");
foreach (var label in detectLabelsResponse.Labels) {
    Console.WriteLine($"{label.Name}, {label.Confidence}");
}

一些 Rekognition 方法在响应中包括置信度分数。置信度得分是一个介于 0 与 100 之间的数字，用于指示给定预测正确的概率。例如，如果对图像的物体和场景检测过程对于标签“水”返回 99 的置信度分数，对于标签“棕榈树”返回 35，则说明这张图像很有可能包含水但不包含棕榈树。对检测错误（假阳性）非常敏感的应用程序应丢弃置信度得分低于某一阈值的结果。最佳阈值因应用而异。

Amazon Rekognition 常见问题

Rekognition 的大部分功能都使用经过预先训练的模型，不需要您具有深度学习经验。但是，自定义标签功能确实需要您训练自定义模型。Rekognition 基于其现有功能为您处理繁重的工作，这些功能已经使用涵盖多种类别的数千万张图像进行了训练。您只需上传一小组特定于您的使用案例的训练图像（通常是几百张或更少）并为其添加标签即可。您可以在 AWS 管理控制台中进行训练，也可以使用 SDK 以编程方式进行训练。

训练 Amazon Rekognition Custom Labels

您应该具有使用 Rekognition 分析图像和/或视频的经验。如果您没有可使用的应用程序，则可以使用下面的教程和演示。

您好，Rekognition！

如何使用 Amazon Rekognition 构建 .NET 应用程序

识别 .NET 中的照片