Amazon Rekognition
PulseAugur coverage of Amazon Rekognition — every cluster mentioning Amazon Rekognition across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AWS 指南详述 AI 在安全和工业安全方面的增强功能
Amazon Web Services (AWS) 发布了两份指南，详细介绍了如何在 AWS 平台上增强 AI 功能。其中一份指南侧重于在 Amazon Quick 上为 Model Context Protocol (MCP) 工具实现强大的授权，利用 Microsoft Entra ID 和 JWTs 来提高安全性。第二份指南则解释了如何在 Amazon SageMaker 和 Amazon Rekognition 上构建合成数据…
-
AWS 使用合成数据提高工业安全 AI 准确性
AWS 开发了一个使用 Amazon SageMaker AI 和 Amazon Rekognition 的合成数据生成管道，以改进工业安全 AI。该管道通过生成带有自动标签的逼真图像，解决了关键边缘案例（如工人在重型机械附近）的训练数据稀缺问题。该系统在人员检测准确性方面实现了 160% 的提升，减少了危险数据收集和手动标注的需求。
-
新型攻击绕过高安全人脸识别系统
研究人员开发了一种新颖的冒充攻击，即使在配置了高安全阈值的情况下，也能成功绕过人脸识别系统（FRSs）。该方法在最新论文中详细介绍，侧重于严格速率限制下的基于分数的攻击，并对攻击流程进行了数学分析。该攻击在每人仅进行100次置信度分数查询的情况下，针对Amazon Rekognition取得了超过92%的成功率，其置信度阈值高达99%，通常用于执法部门。
-
云工程师应了解的 EC2 和 S3 之外的 AWS AI/ML 服务
本文重点介绍了云和 DevOps 工程师应了解的 15 项 AWS AI 和机器学习服务，超越了 EC2 和 S3 等基础服务。它涵盖了为各种机器学习任务设计的系列产品，包括数据处理、模型训练和自然语言处理。
-
新的合成数据集评估人脸识别系统
研究人员推出 CounterFace，这是一个新颖的合成数据集，用于对人脸识别系统进行细粒度评估。该数据集包含 11,821 对反事实人脸，涵盖 20 个人脸属性和 8 个人口统计因素，显著扩展了先前合成数据集的规模。CounterFace 使用全自动化流程生成，无需人工验证合成过程。该数据集被用于评估六个商业和开源人脸识别系统，结果显示性能下降因属性和人口统计因素而异，其中面部遮挡（如口罩和胡须）持续导致性能下降。
-
NVIDIA DLSS 4.5 提升游戏性能； 孙金融使用生成式AI进行身份验证
NVIDIA 已发布 DLSS 4.5，该版本具有动态多帧生成和超级分辨率升级功能，早期测试表明，在延迟极小的情况下，它可以显著提升游戏性能。此外，孙金融正在利用 Amazon Bedrock 和 Textract 的生成式AI来自动化身份验证和欺诈检测，将处理时间缩短至五秒以内。这些进展凸显了AI在游戏性能增强和金融行业自动化方面的日益增长的应用。
-
Sun Finance 使用 AWS 上的生成式 AI 提高身份验证准确性
拉脱维亚金融科技公司 Sun Finance 已成功使用 Amazon Web Services (AWS) 上的生成式 AI 自动化其身份文件提取和欺诈检测流程。该新系统与 AWS 生成式 AI 创新中心合作开发，将提取准确率从 79.7% 大幅提高到 90.8%。此次改进使每份文件的成本降低了 91%，并将处理时间从最多 20 小时缩短到 5 秒以内，解决了传统 OCR 和手动审核的先前限制。