Amazon Recognition কাস্টম লেবেল দিয়ে ল্যান্ডমার্ক চিহ্নিত করা

আমাজন রেকোনিশন একটি কম্পিউটার ভিশন পরিষেবা যা প্রমাণিত, উচ্চ মাপযোগ্য, গভীর শিক্ষার প্রযুক্তি ব্যবহার করে আপনার অ্যাপ্লিকেশনগুলিতে চিত্র এবং ভিডিও বিশ্লেষণ যোগ করা সহজ করে তোলে যার জন্য মেশিন লার্নিং (ML) দক্ষতার প্রয়োজন হয় না। Amazon Recognition এর মাধ্যমে, আপনি ছবি ও ভিডিওতে বস্তু, মানুষ, পাঠ্য, দৃশ্য এবং কার্যকলাপ সনাক্ত করতে পারেন এবং অনুপযুক্ত বিষয়বস্তু সনাক্ত করতে পারেন। Amazon Recognition এছাড়াও অত্যন্ত সঠিক মুখের বিশ্লেষণ এবং মুখের অনুসন্ধান ক্ষমতা প্রদান করে যা আপনি বিভিন্ন ধরণের ব্যবহারের ক্ষেত্রে মুখ সনাক্ত করতে, বিশ্লেষণ করতে এবং তুলনা করতে ব্যবহার করতে পারেন।

অ্যামাজন স্বীকৃতি কাস্টম লেবেল অ্যামাজন স্বীকৃতির একটি বৈশিষ্ট্য যা আপনার নির্দিষ্ট ব্যবহারের ক্ষেত্রে অবিচ্ছেদ্য অনন্য বস্তু এবং দৃশ্যগুলি সনাক্ত করতে আপনার নিজস্ব বিশেষায়িত এমএল-ভিত্তিক চিত্র বিশ্লেষণ ক্ষমতা তৈরি করা সহজ করে তোলে।

রিকগনিশন কাস্টম লেবেলের কিছু সাধারণ ব্যবহারের ক্ষেত্রে সোশ্যাল মিডিয়া পোস্টে আপনার লোগো খুঁজে পাওয়া, দোকানের তাকগুলিতে আপনার পণ্যগুলি সনাক্ত করা, একটি সমাবেশ লাইনে মেশিনের অংশগুলিকে শ্রেণিবদ্ধ করা, সুস্থ এবং সংক্রামিত উদ্ভিদের মধ্যে পার্থক্য করা এবং আরও অনেক কিছু অন্তর্ভুক্ত।

আমাজন স্বীকৃতি লেবেল ব্রুকলিন ব্রিজ, কলোসিয়াম, আইফেল টাওয়ার, মাচু পিচু, তাজমহলের মতো জনপ্রিয় ল্যান্ডমার্ক সমর্থন করে, এবং আরো. আপনার যদি অন্যান্য ল্যান্ডমার্ক বা বিল্ডিং এখনও অ্যামাজন স্বীকৃতি দ্বারা সমর্থিত না থাকে তবে আপনি এখনও অ্যামাজন স্বীকৃতি কাস্টম লেবেলগুলি ব্যবহার করতে পারেন৷

এই পোস্টে, আমরা সিয়াটেলের Amazon Spheres বিল্ডিং সনাক্ত করতে স্বীকৃতি কাস্টম লেবেল ব্যবহার করে দেখাই।

স্বীকৃতি কাস্টম লেবেলগুলির সাথে, AWS আপনার জন্য ভারী উত্তোলনের যত্ন নেয়। স্বীকৃতি কাস্টম লেবেলগুলি Amazon Recognition-এর বিদ্যমান ক্ষমতাগুলি তৈরি করে, যা ইতিমধ্যেই অনেকগুলি বিভাগে লক্ষ লক্ষ ছবির উপর প্রশিক্ষিত। হাজার হাজার ছবির পরিবর্তে, আপনাকে কেবল প্রশিক্ষণের একটি ছোট সেট আপলোড করতে হবে (সাধারণত কয়েকশ ছবি বা তার কম) যা আমাদের সোজা কনসোলের মাধ্যমে আপনার ব্যবহারের ক্ষেত্রে নির্দিষ্ট। Amazon Recognition মাত্র কয়েকটি ক্লিকে প্রশিক্ষণ শুরু করতে পারে। Amazon Recognition আপনার ইমেজ সেট থেকে প্রশিক্ষণ শুরু করার পরে, এটি কয়েক মিনিট বা ঘন্টার মধ্যে আপনার জন্য একটি কাস্টম চিত্র বিশ্লেষণ মডেল তৈরি করতে পারে। পর্দার আড়ালে, স্বীকৃতি কাস্টম লেবেলগুলি স্বয়ংক্রিয়ভাবে প্রশিক্ষণের ডেটা লোড করে এবং পরিদর্শন করে, উপযুক্ত ML অ্যালগরিদমগুলি নির্বাচন করে, একটি মডেলকে প্রশিক্ষণ দেয় এবং মডেল পারফরম্যান্স মেট্রিক্স প্রদান করে৷ তারপর আপনি স্বীকৃতি কাস্টম লেবেল API এর মাধ্যমে আপনার কাস্টম মডেলটি ব্যবহার করতে পারেন এবং এটিকে আপনার অ্যাপ্লিকেশনগুলিতে সংহত করতে পারেন৷

সমাধান ওভারভিউ

আমাদের উদাহরণের জন্য, আমরা ব্যবহার করি আমাজন গোলক সিয়াটলে বিল্ডিং। আমরা স্বীকৃতি কাস্টম লেবেল ব্যবহার করে একটি মডেল প্রশিক্ষণ; যখনই একই ধরনের ছবি ব্যবহার করা হয়, তখন অ্যালগরিদমকে এটিকে চিহ্নিত করা উচিত Amazon Spheres পরিবর্তে Dome, Architecture, Glass building, বা অন্যান্য লেবেল।

আসুন প্রথমে অ্যামাজন স্বীকৃতির লেবেল সনাক্তকরণ বৈশিষ্ট্যটি ব্যবহার করার একটি উদাহরণ দেখাই, যেখানে আমরা কোনও কাস্টম প্রশিক্ষণ ছাড়াই অ্যামাজন গোলকের চিত্র ফিড করি। আমরা লেবেল সনাক্তকরণ ডেমো খুলতে এবং আমাদের ফটো আপলোড করতে Amazon Recognition কনসোল ব্যবহার করি।

ছবিটি আপলোড এবং বিশ্লেষণ করার পরে, আমরা তাদের আত্মবিশ্বাসের স্কোর সহ লেবেলগুলি দেখতে পাই৷ ফলাফল। এক্ষেত্রে, Dome 99.2% আত্মবিশ্বাসের স্কোরের সাথে সনাক্ত করা হয়েছিল, Architecture 99.2% সহ, Building 99.2% সহ, Metropolis 79.4% সহ, এবং আরও অনেক কিছু।

আমরা একটি কম্পিউটার ভিশন মডেল তৈরি করতে কাস্টম লেবেলিং ব্যবহার করতে চাই যা চিত্রটিকে লেবেল করতে পারে Amazon Spheres.

নিম্নলিখিত বিভাগে, আমরা আপনাকে আপনার ডেটাসেট প্রস্তুত করার, একটি স্বীকৃতি কাস্টম লেবেল প্রকল্প তৈরি, মডেল প্রশিক্ষণ, ফলাফল মূল্যায়ন, এবং অতিরিক্ত ছবি দিয়ে এটি পরীক্ষা করার মাধ্যমে আপনাকে নিয়ে চলেছি।

পূর্বশর্ত

ধাপ দিয়ে শুরু করার আগে, আছে কোটা স্বীকৃতি কাস্টম লেবেলগুলির জন্য যা আপনাকে সচেতন হতে হবে। আপনি যদি সীমা পরিবর্তন করতে চান, আপনি একটি অনুরোধ করতে পারেন সেবা সীমা বৃদ্ধি.

আপনার ডেটাসেট তৈরি করুন

যদি এটি আপনার প্রথমবার স্বীকৃতি কাস্টম লেবেল ব্যবহার করে, তাহলে আপনাকে একটি তৈরি করতে বলা হবে৷ আমাজন সিম্পল স্টোরেজ সার্ভিস (Amazon S3) আপনার ডেটাসেট সংরক্ষণ করার জন্য বালতি।

এই ব্লগ প্রদর্শনের জন্য, আমরা Amazon Spheres-এর ছবি ব্যবহার করেছি, যা আমরা সিয়াটেল, WA-তে যাওয়ার সময় ধারণ করেছি। আপনার প্রয়োজন অনুযায়ী আপনার নিজের ছবি ব্যবহার করতে দ্বিধা বোধ করুন.

আপনার ডেটাসেটটি নতুন তৈরি করা বালতিতে অনুলিপি করুন, যা আপনার ছবিগুলিকে তাদের নিজ নিজ উপসর্গের মধ্যে সংরক্ষণ করে।

একটি প্রকল্প তৈরি করুন

আপনার স্বীকৃতি কাস্টম লেবেল প্রকল্প তৈরি করতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:

1. স্বীকৃতি কাস্টম লেবেল কনসোলে, নির্বাচন করুন একটি প্রকল্প তৈরি করুন.
2. জন্য প্রকল্প নাম, একটি নাম লিখুন।
3. বেছে নিন প্রকল্প তৈরি করুন.
   
   এখন আমরা আপনার প্রশিক্ষণ এবং পরীক্ষার ডেটাসেটের কনফিগারেশন এবং পথ নির্দিষ্ট করি।
4. বেছে নিন ডেটাসেট তৈরি করুন.
   

আপনি এমন একটি প্রকল্প দিয়ে শুরু করতে পারেন যার একটি একক ডেটাসেট আছে, অথবা একটি প্রকল্প যার পৃথক প্রশিক্ষণ এবং পরীক্ষার ডেটাসেট রয়েছে৷ আপনি যদি একটি একক ডেটাসেট দিয়ে শুরু করেন, তাহলে স্বীকৃতি কাস্টম লেবেল আপনার প্রকল্পের জন্য একটি প্রশিক্ষণ ডেটাসেট (80%) এবং একটি পরীক্ষা ডেটাসেট (20%) তৈরি করতে প্রশিক্ষণের সময় আপনার ডেটাসেটকে বিভক্ত করে।

উপরন্তু, আপনি নিম্নলিখিত অবস্থানগুলির মধ্যে একটি থেকে ছবি আমদানি করে একটি প্রকল্পের জন্য প্রশিক্ষণ এবং পরীক্ষা ডেটাসেট তৈরি করতে পারেন:

এই পোস্টের জন্য, আমরা Amazon Spheres-এর নিজস্ব কাস্টম ডেটাসেট ব্যবহার করি।

1. নির্বাচন করা একটি একক ডেটাসেট দিয়ে শুরু করুন.
2. নির্বাচন করা S3 বালতি থেকে ছবি আমদানি করুন.
   
3. জন্য S3 URI, আপনার S3 বালতির পথে প্রবেশ করুন।
4. আপনি যদি চান যে রিকগনিশন কাস্টম লেবেলগুলি আপনার S3 বাকেটের ফোল্ডারের নামের উপর ভিত্তি করে আপনার জন্য ছবিগুলিকে স্বয়ংক্রিয়ভাবে লেবেল করুক, নির্বাচন করুন ফোল্ডারের নামের উপর ভিত্তি করে ইমেজগুলিতে স্বয়ংক্রিয়ভাবে ইমেজ-লেভেল লেবেল বরাদ্দ করুন.
   
5. বেছে নিন ডেটাসেট তৈরি করুন.

একটি পৃষ্ঠা খোলে যা আপনাকে তাদের লেবেল সহ চিত্রগুলি দেখায়। আপনি যদি লেবেলগুলিতে কোনও ত্রুটি দেখতে পান তবে দেখুন ডেটাসেট ডিবাগিং.

মডেল প্রশিক্ষণ

আপনি আপনার ডেটাসেট পর্যালোচনা করার পরে, আপনি এখন মডেলটিকে প্রশিক্ষণ দিতে পারেন।

1. বেছে নিন ট্রেন মডেল.
2. জন্য প্রকল্প নির্বাচন করুন, আপনার প্রকল্পের জন্য ARN লিখুন যদি এটি ইতিমধ্যে তালিকাভুক্ত না থাকে।
3. বেছে নিন ট্রেন মডেল.

মধ্যে মডেল প্রকল্প পৃষ্ঠার বিভাগে, আপনি বর্তমান অবস্থা পরীক্ষা করতে পারেন মডেল স্ট্যাটাস কলাম, যেখানে প্রশিক্ষণ চলছে। প্রশিক্ষণের সময় সাধারণত 30 মিনিট থেকে 24 ঘন্টা সময় নেয়, এটি বিভিন্ন কারণের উপর নির্ভর করে যেমন প্রশিক্ষণ সেটে চিত্রের সংখ্যা এবং লেবেলের সংখ্যা এবং আপনার মডেলকে প্রশিক্ষণের জন্য ব্যবহৃত ML অ্যালগরিদমের প্রকারগুলি।

মডেল প্রশিক্ষণ সম্পূর্ণ হলে, আপনি মডেলের অবস্থা দেখতে পারেন TRAINING_COMPLETED. প্রশিক্ষণ ব্যর্থ হলে, পড়ুন একটি ব্যর্থ মডেল প্রশিক্ষণ ডিবাগ করা হচ্ছে৷.

মডেল মূল্যায়ন

মডেল বিবরণ পৃষ্ঠা খুলুন. দ্য মূল্যায়ন ট্যাব প্রতিটি লেবেলের জন্য মেট্রিক্স এবং সমগ্র পরীক্ষার ডেটাসেটের গড় মেট্রিক দেখায়।

স্বীকৃতি কাস্টম লেবেল কনসোল প্রশিক্ষণের ফলাফলের সারাংশ এবং প্রতিটি লেবেলের জন্য মেট্রিক্স হিসাবে নিম্নলিখিত মেট্রিক্স প্রদান করে:

নিম্নলিখিত স্ক্রিনশটে দেখানো হিসাবে আপনি পৃথক চিত্রগুলির জন্য আপনার প্রশিক্ষিত মডেলের ফলাফল দেখতে পারেন।

মডেল পরীক্ষা করুন

এখন যেহেতু আমরা মূল্যায়নের ফলাফল দেখেছি, আমরা মডেলটি শুরু করতে এবং নতুন ছবি বিশ্লেষণ করতে প্রস্তুত।

আপনি মডেল শুরু করতে পারেন মডেল ব্যবহার করুন স্বীকৃতি কাস্টম লেবেল কনসোলে ট্যাব, অথবা ব্যবহার করে StartProject Version এর মাধ্যমে অপারেশন এডাব্লুএস কমান্ড লাইন ইন্টারফেস (AWS CLI) বা Python SDK।

যখন মডেলটি চলছে, আমরা ব্যবহার করে নতুন ছবি বিশ্লেষণ করতে পারি কাস্টম লেবেল সনাক্ত করুন API থেকে ফলাফল DetectCustomLabels একটি ভবিষ্যদ্বাণী যে ছবিতে নির্দিষ্ট বস্তু, দৃশ্য বা ধারণা রয়েছে। নিম্নলিখিত কোড দেখুন:

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

আউটপুটে, আপনি তার আত্মবিশ্বাসের স্কোর সহ লেবেলটি দেখতে পারেন:

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

আপনি ফলাফল থেকে দেখতে পাচ্ছেন, শুধুমাত্র কয়েকটি সহজ ক্লিকের মাধ্যমে, আপনি সঠিক লেবেলিং ফলাফল অর্জন করতে স্বীকৃতি কাস্টম লেবেল ব্যবহার করতে পারেন। আপনি ইমেজ ব্যবহারের ক্ষেত্রে এটি ব্যবহার করতে পারেন, যেমন খাদ্য পণ্য, পোষা প্রাণী, মেশিনের যন্ত্রাংশ এবং আরও অনেক কিছুর জন্য কাস্টম লেবেলিং সনাক্ত করা।

পরিষ্কার কর

এই পোস্টের অংশ হিসাবে আপনি যে সংস্থানগুলি তৈরি করেছেন তা পরিষ্কার করতে এবং যে কোনও সম্ভাব্য পুনরাবৃত্তিমূলক খরচ এড়াতে, নিম্নলিখিত পদক্ষেপগুলি সম্পূর্ণ করুন:

1. উপরে মডেল ব্যবহার করুন ট্যাব, মডেল বন্ধ করুন.
   বিকল্পভাবে, আপনি ব্যবহার করে মডেল বন্ধ করতে পারেন StopProject Version AWS CLI বা Python SDK এর মাধ্যমে অপারেশন। মডেলটি না হওয়া পর্যন্ত অপেক্ষা করুন Stopped পরবর্তী পদক্ষেপগুলি চালিয়ে যাওয়ার আগে রাজ্য।
2. মডেল মুছুন.
3. প্রকল্পটি মুছুন.
4. ডেটাসেট মুছুন.
5. খালি S3 বালতি বিষয়বস্তু এবং মুছে ফেলা বালতি.

উপসংহার

এই পোস্টে, আমরা দেখিয়েছি কিভাবে বিল্ডিং ইমেজ সনাক্ত করতে স্বীকৃতি কাস্টম লেবেল ব্যবহার করতে হয়।

আপনি আপনার কাস্টম ইমেজ ডেটাসেটগুলির সাথে শুরু করতে পারেন, এবং স্বীকৃতি কাস্টম লেবেল কনসোলে কয়েকটি সহজ ক্লিকের মাধ্যমে, আপনি আপনার মডেলকে প্রশিক্ষণ দিতে পারেন এবং ছবিতে বস্তুগুলি সনাক্ত করতে পারেন৷ স্বীকৃতি কাস্টম লেবেলগুলি স্বয়ংক্রিয়ভাবে ডেটা লোড এবং পরিদর্শন করতে পারে, সঠিক ML অ্যালগরিদমগুলি নির্বাচন করতে পারে, একটি মডেলকে প্রশিক্ষণ দিতে পারে এবং মডেল কার্যক্ষমতা মেট্রিক্স প্রদান করতে পারে৷ আপনি নির্ভুলতা, রিকল, F1 স্কোর এবং আত্মবিশ্বাসের স্কোরের মতো বিস্তারিত কর্মক্ষমতা মেট্রিক্স পর্যালোচনা করতে পারেন।

সেই দিনটি এসেছে যখন আমরা এখন নিউ ইয়র্ক সিটির এম্পায়ার স্টেট বিল্ডিং, ভারতের তাজমহল এবং বিশ্ব জুড়ে আরও অনেকগুলি জনপ্রিয় বিল্ডিংগুলিকে শনাক্ত করতে পারি যা পূর্ব-লেবেলযুক্ত এবং আপনার অ্যাপ্লিকেশনগুলিতে বুদ্ধিমত্তার জন্য ব্যবহারের জন্য প্রস্তুত৷ কিন্তু আপনার যদি অন্যান্য ল্যান্ডমার্ক থাকে যা বর্তমানে অ্যামাজন স্বীকৃতি লেবেল দ্বারা সমর্থিত নয়, তাহলে আর তাকাবেন না এবং অ্যামাজন স্বীকৃতি কাস্টম লেবেলগুলি ব্যবহার করে দেখুন৷

কাস্টম লেবেল ব্যবহার সম্পর্কে আরও তথ্যের জন্য, দেখুন অ্যামাজন স্বীকৃতি কাস্টম লেবেল কি? এছাড়াও, আমাদের দেখুন গিটহুব রেপো Amazon Recognition কাস্টম ব্র্যান্ড সনাক্তকরণের এন্ড-টু-এন্ড ওয়ার্কফ্লো জন্য।

লেখক সম্পর্কে:

সুরেশ পাটনাম AWS-এ একজন প্রধান BDM – GTM AI/ML নেতা। তিনি গ্রাহকদের সাথে আইটি কৌশল তৈরি করতে কাজ করেন, ডেটা এবং এআই/এমএল ব্যবহার করে ক্লাউডের মাধ্যমে ডিজিটাল রূপান্তরকে আরও অ্যাক্সেসযোগ্য করে তোলে। তার অবসর সময়ে, সুরেশ টেনিস খেলা এবং তার পরিবারের সাথে সময় কাটাতে উপভোগ করে।

খরগোশ কৌশিক AWS-এর একজন সলিউশন আর্কিটেক্ট। তিনি AWS-এ AI/ML সলিউশন তৈরি করতে এবং গ্রাহকদের AWS প্ল্যাটফর্মে উদ্ভাবন করতে সাহায্য করার ব্যাপারে উৎসাহী। কাজের বাইরে, তিনি হাইকিং, আরোহণ এবং সাঁতার উপভোগ করেন।