[レポート] AIM307: Deep Dive on Amazon Rekognition #reinvent

はじめに

本記事はAWS re:Invent 2018のセッション「AIM307 - Deep Dive on Amazon Rekognition」のレポートです。

Join us for a deep dive on the latest features of Amazon Rekognition. Learn how to easily add intelligent image and video analysis to applications in order to automate manual workflows, enhance creativity, and provide more personalized customer experiences. We share best practices for fine-tuning and optimizing Amazon Rekognition for a variety of use cases, including moderating content, creating searchable content libraries, and integrating secondary authentication into existing applications.

スピーカーは以下の3人。

• Jon Turow - Head of Product, Amazon Rekognition
• Rudi De Sousa - Director or Engineering and Architecture, News UK & Ireland Limited
• Tom Jacques - VP Engineering, Tinder

レポート

Amazon Rekognition
　機械学習ベースのサービス
　イメージとビデオを分析
　イメージから人を抽出して分析する
　簡単に使えて低コスト、高可用性
　
ユースケース
　Media Discovery
　　ライブイベントのブロードキャスティング
　　メディアライブラリからの分析
　　ソーシャルメディア分析、マーケティングに活用
　　有名人分析、イメージやビデオからクイックに有名人を判別
　　オブジェクトとシーンの分析
　　新機能
　　　バウンディングボックスでの表示
　　　　オブジェクトの数のカウントやオブジェクトの関係性を確認出来る
　　　テキストの分析
　　　　イメージからテキストを抽出
　　　　レイアウトやフォントに依存しない
　　　　-90度から+90度まで認識可能

Tinderの事例
　どのようにRekognitionを使っているか
　Tinderはシングルの人たちのマッチングアプリ
　10ビリオン以上の画像が毎日アップされている
　Tinderのチャレンジ
　　どんな相手が好きか
　　どんな人とマッチングしたいか
　　それらを機械学習で実現
　グローバルにスケールするサービス=AWSが最適
　写真は最も自然にエンゲージする方法
　　文章を書くのはとても大変、写真は簡単に自分を伝えることが出来る
　Top Picks
　　写真をピックアップしてレコメンド
　　Top Picksとタグによってエンゲージメントが高まる
　Rekognitionの利用
　　機械学習の専門家がいなくても簡単に画像が分析できる
　　APIによって簡単に利用可能
　　Rekognitionの分析結果から写真にTagを設定
　　　ハンバーガーとフライが写っていればFoodie、山と雪が写っていればアドベンチャー、等のようにラベル付
　　Rekognitionによってタグ付け、Top Picksに掲載、ユーザーにレコメンドする
　　Rekognitionを使うことで多くの課題が解決出来た

Rekognitionのコンテンツモデレーション
　safeとunsafeを判別するわけではない
　各カテゴリについてsocreで重み付け、何がsafeかは自分で判断する
　マッチングアプリcoffee meets bagelでは人的コストを97%削減

News UKの事例
　233年分のイメージコンテンツ
　イメージで保存された過去の記事を読み込むものが必要だった
　Professional Serviceを使ってPoCを実施
　Rekognitionであれば実現可能であることがわかった
　S3に保存されたイメージをLambda経由でRekognitionで分析
　次のチャレンジ
　　他のワークフローでのRekognitionの導入
　　大量に発掘されたメタデータの分析

カスタマーエンゲージメントのユースケース
　顧客分析
　　Faceによって顧客の状況やアクセサリを判断
　　顧客の感情を確認、HappyかUnhappyを確認するなど
　顧客確認
　　Face matchingにより表情やポーズ等が違っても同じ顧客であることを判断
　ユースケース
　　KSTAR GROUP
　　　Face TicketサービスをRekognitionで実現
　　　顧客の顔自体がチケットになる

Rekognitionの始め方
　とても簡単
　AWSのコンソールから数クリックですぐに使える

Rekognitionのリファレンスアーキテクチャ
　S3にイメージやビデオを保存
　LambdaでRekognitionのAPIをキック
　結果を通知
　ストリーミングビデオはKinesis video streams経由でRekognition Videoへ 　

さいごに

Rekognitionの実際のユースケースは興味深かったです。特にKSTAR GROUPのFace Ticketは、実際に実現しているというのはすごいですね。