تحديد المعالم باستخدام ملصقات Amazon Rekognition المخصصة

الأمازون إعادة الاعتراف هي خدمة رؤية الكمبيوتر تجعل من السهل إضافة تحليل الصور والفيديو إلى تطبيقاتك باستخدام تقنية التعلم العميق التي أثبتت جدواها وقابليتها للتطوير والتي لا تتطلب خبرة في التعلم الآلي (ML). باستخدام Amazon Rekognition ، يمكنك تحديد الكائنات والأشخاص والنصوص والمشاهد والأنشطة في الصور ومقاطع الفيديو واكتشاف المحتوى غير المناسب. يوفر Amazon Rekognition أيضًا تحليلًا عالي الدقة للوجه وإمكانيات بحث عن الوجه يمكنك استخدامها لاكتشاف الوجوه وتحليلها ومقارنتها لمجموعة متنوعة من حالات الاستخدام.

تسميات Amazon Rekognition المخصصة هي إحدى ميزات Amazon Rekognition التي تجعل من السهل بناء قدراتك الخاصة لتحليل الصور المستندة إلى ML لاكتشاف الكائنات والمشاهد الفريدة التي تعتبر جزءًا لا يتجزأ من حالة الاستخدام الخاصة بك.

تتضمن بعض حالات الاستخدام الشائعة لملصقات Rekognition Custom Labels العثور على شعارك في منشورات وسائل التواصل الاجتماعي ، وتحديد منتجاتك على أرفف المتاجر ، وتصنيف أجزاء الماكينة في خط التجميع ، والتمييز بين النباتات الصحية والمصابة ، والمزيد.

تسميات التعرف على أمازون يدعم المعالم الشهيرة مثل جسر بروكلين ، الكولوسيوم ، برج إيفل ، ماتشو بيتشو ، تاج محل، و اكثر. إذا كانت لديك معالم أو مبانٍ أخرى غير مدعومة من قبل Amazon Rekognition ، فلا يزال بإمكانك استخدام Amazon Rekognition Custom Labels.

في هذا المنشور ، نوضح استخدام Rekognition Custom Labels لاكتشاف مبنى Amazon Spheres في سياتل.

مع Rekognition Custom Labels ، تعتني AWS بالأعباء الثقيلة نيابة عنك. تبني Rekognition Custom Labels القدرات الحالية لـ Amazon Rekognition ، والتي تم تدريبها بالفعل على عشرات الملايين من الصور عبر العديد من الفئات. بدلاً من آلاف الصور ، تحتاج ببساطة إلى تحميل مجموعة صغيرة من صور التدريب (عادةً بضع مئات من الصور أو أقل) المخصصة لحالة الاستخدام الخاصة بك عبر وحدة التحكم المباشرة الخاصة بنا. يمكن أن تبدأ Amazon Rekognition التدريب ببضع نقرات فقط. بعد أن تبدأ Amazon Rekognition التدريب من مجموعة الصور الخاصة بك ، يمكنها إنتاج نموذج تحليل صورة مخصص لك في غضون دقائق أو ساعات قليلة. خلف الكواليس ، تقوم Rekognition Custom Labels تلقائيًا بتحميل بيانات التدريب وفحصها ، وتختار خوارزميات ML المناسبة ، وتدرب نموذجًا ، وتوفر مقاييس أداء النموذج. يمكنك بعد ذلك استخدام نموذجك المخصص عبر Rekognition Custom Labels API ودمجه في تطبيقاتك.

حل نظرة عامة

على سبيل المثال لدينا ، نستخدم مناطق الأمازون مبنى في سياتل. نقوم بتدريب نموذج باستخدام Rekognition Custom Labels ؛ كلما تم استخدام صور متشابهة ، يجب أن تحددها الخوارزمية على أنها Amazon Spheres بدلا من Dome, Architecture, Glass buildingأو تسميات أخرى.

دعنا نعرض أولاً مثالاً على استخدام ميزة اكتشاف الملصق في Amazon Rekognition ، حيث نقوم بتغذية صورة Amazon Spheres دون أي تدريب مخصص. نستخدم وحدة تحكم Amazon Rekognition لفتح العرض التوضيحي للكشف عن الملصقات وتحميل صورتنا.

بعد تحميل الصورة وتحليلها ، نرى تسميات مع درجات الثقة الخاصة بهم أسفل النتائج. في هذه الحالة، Dome تم اكتشافه بدرجة ثقة تبلغ 99.2٪ ، Architecture بنسبة 99.2٪ ، Building بنسبة 99.2٪ ، Metropolis بنسبة 79.4٪ ، وهكذا.

نريد استخدام الملصقات المخصصة لإنتاج نموذج رؤية كمبيوتر يمكنه تسمية الصورة Amazon Spheres.

في الأقسام التالية ، نوجهك خلال إعداد مجموعة البيانات الخاصة بك ، وإنشاء مشروع Rekognition Custom Labels ، وتدريب النموذج ، وتقييم النتائج ، واختباره بصور إضافية.

المتطلبات الأساسية المسبقة

قبل البدء بالخطوات ، هناك الحصص من أجل Rekognition Custom Labels التي يجب أن تكون على دراية بها. إذا كنت ترغب في تغيير الحدود ، يمكنك طلب زيادة حد الخدمة.

قم بإنشاء مجموعة البيانات الخاصة بك

إذا كانت هذه هي المرة الأولى التي تستخدم فيها Rekognition Custom Labels ، فسيُطلب منك إنشاء ملف خدمة تخزين أمازون البسيطة (Amazon S3) لتخزين مجموعة البيانات الخاصة بك.

في عرض المدونة هذا ، استخدمنا صورًا لمجموعات Amazon Spheres ، والتي التقطناها أثناء زيارتنا لمدينة سياتل ، واشنطن. لا تتردد في استخدام الصور الخاصة بك حسب حاجتك.

انسخ مجموعة البيانات الخاصة بك إلى الحاوية المنشأة حديثًا ، والتي تخزن صورك داخل البادئات الخاصة بكل منها.

إنشاء مشروع

لإنشاء مشروع Rekognition Custom Labels ، أكمل الخطوات التالية:

1. في وحدة التحكم Rekognition Custom Labels ، اختر إنشاء مشروع.
2. في حالة اسم المشروع، إدخال اسم.
3. اختار إنشاء مشروع.
   
   الآن نحدد التكوين والمسار لمجموعة بيانات التدريب والاختبار.
4. اختار أنشئ مجموعة بيانات.
   

يمكنك البدء بمشروع يحتوي على مجموعة بيانات واحدة ، أو مشروع يحتوي على مجموعات بيانات تدريب واختبار منفصلة. إذا بدأت بمجموعة بيانات واحدة ، فإن Rekognition Custom Labels تقسم مجموعة البيانات الخاصة بك أثناء التدريب لإنشاء مجموعة بيانات تدريبية (80٪) ومجموعة بيانات اختبار (20٪) لمشروعك.

بالإضافة إلى ذلك ، يمكنك إنشاء مجموعات بيانات للتدريب والاختبار لمشروع عن طريق استيراد الصور من أحد المواقع التالية:

في هذا المنشور ، نستخدم مجموعة البيانات المخصصة الخاصة بنا من Amazon Spheres.

1. أختار ابدأ بمجموعة بيانات واحدة.
2. أختار استيراد الصور من حاوية S3.
   
3. في حالة S3 URI، أدخل المسار إلى حاوية S3 الخاصة بك.
4. إذا كنت تريد Rekognition Custom Labels تسمية الصور تلقائيًا لك بناءً على أسماء المجلدات في حاوية S3 ، فحدد قم تلقائيًا بتعيين تسميات على مستوى الصورة للصور بناءً على اسم المجلد.
   
5. اختار أنشئ مجموعة بيانات.

تفتح صفحة تعرض لك الصور مع تسمياتها. إذا رأيت أي أخطاء في التسميات ، فارجع إلى تصحيح مجموعات البيانات.

درب النموذج

بعد مراجعة مجموعة البيانات الخاصة بك ، يمكنك الآن تدريب النموذج.

1. اختار نموذج القطار.
2. في حالة اختر المشروع، أدخل ARN لمشروعك إذا لم يكن مدرجًا بالفعل.
3. اختار نموذج القطار.

في مجلة الموديلات في صفحة المشروع ، يمكنك التحقق من الحالة الحالية في حالة النموذج العمود ، حيث التدريب قيد التقدم. يستغرق وقت التدريب عادةً من 30 دقيقة إلى 24 ساعة لإكماله ، اعتمادًا على عدة عوامل مثل عدد الصور وعدد الملصقات في مجموعة التدريب وأنواع خوارزميات ML المستخدمة لتدريب نموذجك.

عند اكتمال تدريب النموذج ، يمكنك رؤية حالة النموذج كـ TRAINING_COMPLETED. إذا فشل التدريب ، ارجع إلى تصحيح أخطاء تدريب نموذج فاشل.

قيم النموذج

افتح صفحة تفاصيل النموذج. ال التقييم تعرض علامة التبويب مقاييس لكل تصنيف ، ومتوسط ​​القياس لمجموعة بيانات الاختبار بأكملها.

توفر وحدة التحكم Rekognition Custom Labels المقاييس التالية كملخص لنتائج التدريب وكمقاييس لكل تسمية:

يمكنك عرض نتائج نموذجك المدرَّب للصور الفردية ، كما هو موضح في لقطة الشاشة التالية.

اختبر النموذج

الآن بعد أن شاهدنا نتائج التقييم ، نحن على استعداد لبدء النموذج وتحليل الصور الجديدة.

يمكنك بدء النموذج على استخدم النموذج علامة التبويب في وحدة التحكم Rekognition Custom Labels ، أو باستخدام ملحق StartProjectVersion العملية عبر واجهة سطر الأوامر AWS (AWS CLI) أو Python SDK.

عند تشغيل النموذج ، يمكننا تحليل الصور الجديدة باستخدام ملف DetectCustomLabels API. النتيجة من DetectCustomLabels هو توقع أن الصورة تحتوي على كائنات أو مشاهد أو مفاهيم محددة. انظر الكود التالي:

aws rekognition detect-custom-labels 
--project-version-arn  
--image '{"S3Object": {"Bucket":,"Name":}}' 
--region 

في الإخراج ، يمكنك رؤية التسمية بنقاط الثقة الخاصة بها:

{
    "Custom Labels": [
        {
            "Name": "Amazon Spheres",
            "Confidence": 93.55500030517578
        }
    ]
}

كما ترى من النتيجة ، فقط ببضع نقرات بسيطة ، يمكنك استخدام Rekognition Custom Labels لتحقيق نتائج تصنيف دقيقة. يمكنك استخدام هذا للعديد من حالات استخدام الصور ، مثل تحديد الملصقات المخصصة للمنتجات الغذائية والحيوانات الأليفة وأجزاء الماكينة والمزيد.

تنظيف

لتنظيف الموارد التي أنشأتها كجزء من هذا المنشور وتجنب أي تكاليف متكررة محتملة ، أكمل الخطوات التالية:

1. على استخدم النموذج التبويب، أوقف النموذج.
   بدلاً من ذلك ، يمكنك إيقاف النموذج باستخدام ملف StopProjectVersion التشغيل عبر AWS CLI أو Python SDK. انتظر حتى يصبح النموذج في ملف Stopped الدولة قبل المتابعة إلى الخطوات التالية.
2. احذف النموذج.
3. احذف المشروع.
4. احذف مجموعة البيانات.
5. فارغ محتويات حاوية S3 و حذف الدلو.

وفي الختام

في هذا المنشور ، أوضحنا كيفية استخدام Rekognition Custom Labels لاكتشاف صور البناء.

يمكنك البدء في مجموعات بيانات الصور المخصصة الخاصة بك ، وببضع نقرات بسيطة على وحدة التحكم Rekognition Custom Labels ، يمكنك تدريب النموذج الخاص بك واكتشاف الكائنات في الصور. يمكن لـ Rekognition Custom Labels تحميل البيانات وفحصها تلقائيًا ، وتحديد خوارزميات ML الصحيحة ، وتدريب نموذج ، وتوفير مقاييس أداء النموذج. يمكنك مراجعة مقاييس الأداء التفصيلية مثل الدقة والتذكر ونتائج F1 ودرجات الثقة.

لقد حان اليوم الذي يمكننا فيه الآن تحديد المباني الشهيرة مثل مبنى إمباير ستيت في مدينة نيويورك ، وتاج محل في الهند ، والعديد من المباني الأخرى في جميع أنحاء العالم التي تم تصنيفها مسبقًا وجاهزة للاستخدام في الذكاء في تطبيقاتك. ولكن إذا كانت لديك معالم أخرى غير مدعومة حاليًا من قبل Amazon Rekognition Labels ، فلا داعي لمزيد من البحث وجرب Amazon Rekognition Custom Labels.

لمزيد من المعلومات حول استخدام التسميات المخصصة ، راجع ما هي ملصقات Amazon Rekognition المخصصة؟ أيضا ، قم بزيارة موقعنا جيثب ريبو لسير عمل شامل لاكتشاف العلامة التجارية المخصصة Amazon Rekognition.

عن المؤلف:

سوريش باتنام هو مدير BDM - GTM AI / ML في AWS. إنه يعمل مع العملاء لبناء إستراتيجية تكنولوجيا المعلومات ، مما يجعل التحول الرقمي من خلال السحابة أكثر سهولة من خلال الاستفادة من البيانات والذكاء الاصطناعي / تعلم الآلة. في أوقات فراغه ، يستمتع سوريش بلعب التنس وقضاء الوقت مع أسرته.

الأرنب كوشيك هو مهندس حلول في AWS. إنه متحمس لبناء حلول AI / ML على AWS ومساعدة العملاء على الابتكار على منصة AWS. خارج العمل ، يستمتع بالتنزه والتسلق والسباحة.