Amazon Web Services Inc.今天发布了一项针对Amazon Rekognition的新功能，该功能将使计算机视觉服务能够识别图像中的特定对象，例如货架上的产品或制造组件，即使这些对象不在其知识库中。

AWS正在调用“自定义标签”功能。Rekognition的高级产品经理Anushri Mainthia解释说，公司已经可以使用该服务将图片对象分类为大类，但是通常无法准确地识别出这些对象是什么。

Mainthia今早在博客文章中提供了一个例子，“一家汽车维修店使用Amazon Rekognition标签检测(对象和场景)来分析和分类库存中的机器零件。” 她解释说，在这种情况下，默认情况下，Amazon Rekognition会将标签简单地标记为“机器零件”，而无需添加每个组件的名称。

自定义标签使公司可以更进一步。Mainthia写道：“使用Amazon Rekognition自定义标签，客户可以训练自己的自定义模型，以识别特定的机器零件，例如涡轮增压器，变矩器等。”

公司可以通过上载至少10张预先标记的相关图像来训练Rekognition识别新物体。AWS声称，从头开始构建这种精细的计算机视觉，在某些情况下需要组装多达数百万个训练图像。

自定义标签使用户可以通过不需要任何编码的图形界面执行培训。在工作人员上传其标记的图像之后，Rekognition会扫描内置的机器学习模型库，以找到最合适的算法，并在照片上自动对其进行训练。然后，用户可以在分析仪表板中查看经过训练的算法的准确性，该仪表板还提供相关的技术详细信息。

许多AWS客户已经采用了自定义标签。NFL Media使用它来自动标记团队徽标，镜头塔和镜头中的其他对象，因此员工可以更轻松地找到包含感兴趣项目的摘要。VidMob Inc.正在使用“自定义标签”来帮助为其同名的营销分析平台提供支持。

Custom Labels与AWS竞争对手的许多现有产品竞争。Google LLC提供了一项称为AutoML的服务，该服务同样使用户无需任何编码即可为特定图像集自定义机器学习模型，而Microsoft Corp.具有Azure Custom Vision。