Amazon Rekognition: analisi di immagini e video con l’IA

Amazon Rekognition è un servizio basato sull’IA di Amazon Web Services (AWS) che aiuta le aziende ad analizzare facilmente immagini e video. Che tu debba rilevare oggetti, riconoscere volti o moderare i contenuti, Rekognition lo rende possibile senza richiedere una profonda competenza in machine learning. 

Questo tutorial ti guiderà su cos’è Amazon Rekognition, le sue funzionalità principali, come funziona e come iniziare a usarlo. Parleremo anche dei suoi vantaggi, dei prezzi e di alcune delle preoccupazioni che circondano il suo utilizzo.

Che cos’è Amazon Rekognition?

In poche parole, Amazon Rekognition è un servizio cloud di Amazon Web Services (AWS) che utilizza il deep learning per analizzare immagini e video. Aiuta a identificare automaticamente oggetti, scene, volti, testo e persino contenuti non sicuri—il tutto senza richiedere una profonda conoscenza del machine learning.

Questo servizio di riconoscimento delle immagini, completamente gestito e basato sul deep learning, è stato progettato fin dall’inizio per funzionare su larga scala.  Ciò che distingue Rekognition sono i modelli pre-addestrati, pronti all’uso fin da subito. Ma se hai esigenze specifiche, puoi anche addestrare modelli personalizzati per riconoscere oggetti o pattern unici.

Le tre componenti fondamentali di qualsiasi applicazione di machine o deep learning sono training, modelli e inferenza.

Componenti fondamentali di un’applicazione di ML - Deep Learning. Fonte: Napkin AI

Di queste tre componenti, il grande vantaggio è che il training è già stato eseguito per te con le API di Rekognition. Questo training ha creato modelli utilizzati all’interno del servizio. Devi solo accedere a queste API per generare le inferenze per le tue applicazioni. 

Inoltre, questo semplice approccio basato su API significa che gli sviluppatori—indipendentemente dall’esperienza in ML—possono aggiungere rapidamente potenti funzionalità di IA ai loro prodotti. 

Funzionalità principali di Amazon Rekognition

Esploriamo alcune delle funzionalità più significative di Rekognition, illustrate con esempi reali.

Panoramica delle funzionalità di Amazon Rekognition. Fonte: Napkin AI

Rilevamento di oggetti e scene

Migliaia di oggetti, scene e azioni in immagini e video possono essere identificati e etichettati con precisione da Amazon Rekognition. Per esempio, può aiutare ad automatizzare la gestione dell’inventario identificando i prodotti sugli scaffali dei negozi. Allo stesso modo, può riconoscere auto e pedoni in attività di videosorveglianza del traffico.

Pinterest utilizza Rekognition per etichettare i contenuti caricati dagli utenti e identificare oggetti, scene e attività. Questo aiuta a taggare le immagini con parole chiave pertinenti, migliorando la capacità della piattaforma di consigliare contenuti visivamente simili.

Analisi e riconoscimento facciale

Le sofisticate funzionalità di analisi e riconoscimento facciale di Rekognition consentono di identificare caratteristiche come fascia d’età, genere ed emozioni. Inoltre, offre il riconoscimento facciale per la verifica dell’identità—pensa ai sistemi di ingresso negli edifici o ai varchi di sicurezza negli aeroporti. Le aziende utilizzano Rekognition per confermare in modo sicuro l’identità degli utenti in app bancarie o sistemi di rilevazione presenze.

Utilizzando Amazon Rekognition, PBS ha creato un knowledge graph aziendale per raccogliere metadati dei contenuti a livello di segmento, clip o persino di singolo frame, e attribuire facilmente informazioni di riconoscimento facciale, degli oggetti e dell’umore a oltre 60.000 titoli all’interno della libreria digitale PBS. 

Rilevamento ed estrazione del testo

Ti sei mai chiesto come i social riconoscono meme o immagini con testo sovrapposto? Rekognition rileva e riconosce in modo efficiente il testo in fotografie o frame video, anche quando il testo non è perfettamente nitido o allineato. Questo può essere usato per potenziare l’elaborazione documentale automatizzata nelle aziende o anche per effettuare analisi del sentiment basate su dati visivi. 

Etichette personalizzate

Un chiaro elemento distintivo di Amazon Rekognition è Custom Labels, che consente alle aziende di addestrare Rekognition sui propri dati. Se sei un marketer e vuoi monitorare il caricamento del logo del tuo brand sui social, Rekognition può identificare il tuo logo in milioni di immagini senza che tu debba passare centinaia di ore a esaminarle manualmente—generando insight di marketing azionabili.

San Diego Gas & Electric (SDG&E) utilizza le etichette personalizzate di Rekognition per identificare automaticamente danni agli asset nelle immagini dei droni e rischi legati alla vegetazione nelle immagini satellitari.

Moderazione dei contenuti

Con la funzione di moderazione dei contenuti, le piattaforme social e i servizi di streaming video utilizzano Rekognition per filtrare automaticamente contenuti inappropriati come materiale sessualmente esplicito e violenza grafica dagli upload degli utenti. Garantisce che la gestione di enormi quantità di contenuti generati dagli utenti sia molto semplice e assolutamente affidabile.

Riconoscimento delle celebrità

La funzione di riconoscimento delle celebrità di Amazon Rekognition è ampiamente utilizzata dalle aziende media che seguono eventi di intrattenimento. L’identificazione rapida delle celebrità consente ai provider di contenuti di auto-etichettare foto o video da red carpet o notizie, migliorando drasticamente il flusso di lavoro.

Come funziona Amazon Rekognition

Amazon Rekognition utilizza modelli avanzati di deep learning ospitati su un’infrastruttura cloud AWS scalabile. Ecco il flusso di lavoro semplificato:

1. Dati in input: fornisci immagini o video tramite l’API di Rekognition.
2. Elaborazione IA: i modelli di deep learning di Rekognition analizzano i dati, rilevando volti, oggetti, testo o tipo di contenuto.
3. Risultati: i risultati vengono restituiti rapidamente tramite chiamate API in formato JSON, pronti per essere integrati nelle tue app o nei tuoi database.

Questo servizio può lavorare insieme ad altre soluzioni AWS come AWS Lambda e Amazon Kinesis per consentire scenari di analisi in tempo reale, come il monitoraggio video live per la sicurezza.

Architettura di alto livello

• Immagini o flussi video caricati su Amazon S3.
• Le chiamate API di AWS Rekognition attivano l’inferenza IA.
• I risultati vengono inviati tramite API alla tua applicazione o ai tuoi servizi.

Pipeline per le immagini

La pipeline ad alto livello è descritta di seguito:

• Viene inviato un messaggio a una coda Amazon SQS, avviando la pipeline di elaborazione delle immagini.
• Questo attiva una funzione Lambda, che viene eseguita in modo sincrono.
• La funzione Lambda chiama Amazon Rekognition per analizzare l’immagine.
• I risultati dell’analisi vengono archiviati in DynamoDB, S3 o Elasticsearch, a seconda del caso d’uso.
• La capacità di throughput della pipeline è controllata regolando la dimensione dei batch e la concorrenza di Lambda, garantendo un’elaborazione efficiente.

Pipeline per i video

La pipeline ad alto livello è descritta di seguito:

• La pipeline di elaborazione video invia messaggi a una coda Amazon SQS, che avvia l’analisi video.
• Una funzione Lambda di job scheduler viene eseguita a intervalli regolari, inviando richieste di elaborazione video ad Amazon Rekognition fino al raggiungimento del numero massimo di job concorrenti.
• Quando un job di analisi video è completato, Amazon Rekognition invia una notifica tramite Amazon SNS, attivando l’invio del successivo batch di job.
• I risultati dell’analisi vengono archiviati negli archivi dati appropriati per usi successivi.
• La pipeline regola automaticamente la velocità di elaborazione in base ai limiti dell’account AWS, garantendo prestazioni ottimali.

Questa architettura di riferimento può offrirti un approfondimento più tecnico, se necessario.

Come usare Amazon Rekognition

Ecco quanto è semplice integrare Amazon Rekognition nel flusso di lavoro aziendale:

Workflow di Amazon Rekognition

Workflow di Amazon Rekognition. Fonte: immagine di Napkin AI

• Passo 1: archivia i tuoi dati immagine/video in Amazon S3.
• Passo 2: effettua una chiamata API a Rekognition usando gli SDK AWS (disponibili per Python, Java, Node.js, ecc.).
• Passo 3: ricevi ed elabora la risposta JSON di Rekognition con gli insight.
• Passo 4: integra questi insight nella logica della tua app, attivando azioni come avvisi o filtraggio dei contenuti.

Primi passi con Amazon Rekognition

I passaggi principali per iniziare con Rekognition sono descritti di seguito. 

1. Registrazione: crea il tuo account AWS su aws.amazon.com.
2. Configurazione via AWS Console: accedi a Rekognition tramite AWS Management Console. Puoi farlo digitando Rekognition nella barra di ricerca e selezionando rekognition per aprire la console del servizio.

Configurazione di Amazon Rekognition tramite AWS Console. Fonte: AWS

3. Integrazione AWS CLI & SDK: installa AWS CLI o l’SDK preferito per l’accesso programmatico.
4. Esegui un’analisi di esempio: prova a eseguire una semplice analisi di un’immagine per prendere confidenza. Ad esempio, puoi selezionare Analisi facciale nel pannello di navigazione a sinistra come mostrato di seguito. Questa funzione ti consente di analizzare i volti in un’immagine e ricevere una risposta JSON.

Seleziona il servizio pertinente. Fonte immagine: AWS

Come hai visto, è sorprendentemente semplice!

Vantaggi di Amazon Rekognition

Ecco alcuni motivi per cui le aziende apprezzano Rekognition:

Scalabilità e prestazioni

Poiché Rekognition gira sull’infrastruttura AWS, può scalare automaticamente, gestendo milioni di immagini e video senza rallentamenti. Le aziende non devono preoccuparsi di cali di prestazioni, indipendentemente dall’aumento del carico di lavoro. È anche possibile aumentare le attività di revisione umana con l’IA.

Convenienza economica

Con il modello di prezzo pay-as-you-go, le aziende pagano solo per ciò che utilizzano, rendendolo una soluzione economica senza investimenti iniziali elevati.

Facilità di integrazione

Le API intuitive ne semplificano l’implementazione, anche per team con poca o nessuna esperienza di machine learning. Non serve creare modelli complessi da zero—basta collegarlo e iniziare ad analizzare immagini o video.

Accuratezza e affidabilità

Amazon addestra e migliora continuamente i suoi modelli di IA, con il risultato di una maggiore accuratezza e meno lavoro manuale per le aziende. Questo aiuta a ridurre gli errori umani in attività come verifica dell’identità, rilevamento degli oggetti e moderazione dei contenuti.

Preoccupazioni e controversie su Amazon Rekognition

Come ogni tecnologia potente, Rekognition ha sollevato alcune preoccupazioni legittime:

Privacy e sorveglianza

L’uso di Rekognition nelle forze dell’ordine e nella sorveglianza ha acceso accesi dibattiti. I critici sostengono che il riconoscimento facciale basato sull’IA possa essere abusato per la sorveglianza di massa, violando potenzialmente la privacy e le libertà civili. Amazon è stata criticata per la vendita di questa tecnologia alle agenzie governative, con timori sul suo impiego e sulla mancanza di un’adeguata supervisione.

Bias nel riconoscimento facciale

Il bias dell’IA è un problema reale e studi, inclusi quelli del MIT, hanno mostrato che i sistemi di riconoscimento facciale possono avere difficoltà di accuratezza, soprattutto nell’identificare persone di gruppi razziali o di genere differenti. Le identificazioni errate possono avere conseguenze gravi, in particolare nelle forze dell’ordine, dove corrispondenze sbagliate potrebbero portare ad arresti ingiusti. Questa controversia evidenzia l’urgenza di migliorare l’equità dell’IA e garantire che i modelli di riconoscimento facciale funzionino allo stesso modo su popolazioni diverse.

Uso etico e regolamentazione

Tra le crescenti critiche, Amazon ha deciso di imporre una sospensione temporanea alla vendita di Rekognition alle forze dell’ordine, riconoscendo le preoccupazioni etiche legate al suo utilizzo. Il dibattito sull’etica dell’IA continua, con organizzazioni come l’ACLU che spingono per una supervisione e una responsabilità più rigorose.

Prezzi di Amazon Rekognition

Amazon Rekognition adotta un modello di prezzo pay-as-you-go, ovvero paghi solo ciò che utilizzi. Il prezzo dipende dal tipo di analisi che esegui e non ci sono investimenti iniziali. Vediamolo meglio: 

Prezzi per le immagini

Rekognition Image consente di analizzare immagini utilizzando la tecnologia di deep learning. I prezzi sono suddivisi in due parti:

• Analisi delle immagini: paghi per ogni immagine analizzata. Se esegui più analisi sulla stessa immagine, ti verrà addebitata ogni richiesta separatamente. Per esempio, se analizzi 2,5 milioni di immagini per il rilevamento di etichette, la struttura dei costi è la seguente:

Prime 1 milione di immagini: $0,0010 per immagine, costo pari a $1.000. 

Successive 1,5 milioni di immagini: $0,0008 per immagine, costo pari a $1.200

Costo totale: $2.200

• Archiviazione dei metadati dei volti: se utilizzi il confronto o la ricerca dei volti, Rekognition archivia i metadati dei volti e ti verrà addebitata una piccola tariffa mensile per questo storage. I costi sono $0,00001/metadato facciale al mese, con addebiti applicati mensilmente e calcolati pro rata per i mesi parziali.

Prezzi per i video

Se analizzi video invece di immagini, pagherai per minuto di filmato elaborato.

• Rilevamento etichette (rilevamento di oggetti, scene e attività): a partire da $0,10 al minuto
• Ricerca dei volti (corrispondenza dei volti con un database): a partire da $0,10 al minuto

Quindi, elaborare 1.000 minuti di video per il rilevamento delle etichette costerebbe $100 a $0,10 al minuto.

Prezzi per le etichette personalizzate

Rekognition consente alle aziende di addestrarlo a riconoscere oggetti specifici, unici per le loro esigenze. Questa funzione ha due costi:

• Training di un modello: $1,00 all’ora
• Esecuzione delle predizioni (inferenza): $4,00 ogni 1.000 immagini

È importante notare che l’utilizzo per Training e Inferenza viene fatturato a incrementi di un minuto, con un minimo di 1 minuto.

I prezzi dettagliati per vari altri servizi vengono aggiornati continuamente e sono disponibili nella pagina Amazon Rekognition Pricing.

Conclusione

Amazon Rekognition è un potente prodotto AWS per l’analisi di immagini e video, che offre funzionalità come riconoscimento facciale, rilevamento degli oggetti, estrazione del testo e moderazione dei contenuti.  La sua scalabilità, facilità di integrazione e convenienza economica lo rendono prezioso per aziende di vari settori. 

Se stai esplorando nuovi modi per sfruttare il computer vision avanzato per il tuo business, Amazon Rekognition è senza dubbio un punto di partenza prezioso e accessibile.

E se vuoi esplorare e saperne di più su servizi e prodotti AWS correlati, abbiamo ottime risorse che possono aiutarti:

• Corso AWS Concepts: scopri il mondo di Amazon Web Services (AWS) e capisci perché è all’avanguardia del cloud computing.
• Corso AWS Cloud Technology and Services Concepts: padroneggia la tecnologia cloud AWS con apprendimento pratico e applicazioni concrete nell’ecosistema AWS.
• AWS Cloud Practitioner Certification (CLF-C02): dimostra le tue conoscenze di base dei servizi cloud AWS e accedi a tutto ciò che serve per prepararti alla certificazione AWS Cloud Practitioner.
• Etica dell’IA: perché è importante farla bene (podcast e blog)
• Regolamentazione dell’IA: comprendere le politiche globali (blog)
• Corso di Etica dell’IA: esplora l’etica dell’IA concentrandoti su principi, equità, riduzione dei bias e fiducia nel design dell’IA.