Την τελευταία δεκαετία, οι περιπτώσεις χρήσης όρασης υπολογιστή ήταν μια αυξανόμενη τάση, ειδικά σε βιομηχανίες όπως η ασφάλιση, η αυτοκινητοβιομηχανία, το ηλεκτρονικό εμπόριο, η ενέργεια, το λιανικό εμπόριο, η μεταποίηση και άλλοι. Οι πελάτες κατασκευάζουν μοντέλα μηχανικής εκμάθησης όρασης υπολογιστών (ML) για να φέρουν λειτουργική αποτελεσματικότητα και αυτοματισμό στις διαδικασίες τους. Τέτοια μοντέλα βοηθούν στην αυτοματοποίηση της ταξινόμησης εικόνων ή στον εντοπισμό αντικειμένων ενδιαφέροντος σε εικόνες που είναι συγκεκριμένες και μοναδικές για την επιχείρησή σας.
Για να απλοποιήσουμε τη διαδικασία δημιουργίας μοντέλων ML, παρουσιάσαμε Amazon SageMaker JumpStart τον Δεκέμβριο του 2020. Το JumpStart σάς βοηθά να ξεκινήσετε γρήγορα και εύκολα με το ML. Παρέχει ανάπτυξη με ένα κλικ και τελειοποίηση μιας μεγάλης ποικιλίας προεκπαιδευμένων μοντέλων, καθώς και μια επιλογή από ολοκληρωμένες λύσεις. Αυτό αφαιρεί τη βαριά ανύψωση από κάθε βήμα της διαδικασίας ML, διευκολύνοντας την ανάπτυξη μοντέλων υψηλής ποιότητας και μειώνοντας το χρόνο μέχρι την ανάπτυξη. Ωστόσο, απαιτεί να έχετε κάποιες προηγούμενες γνώσεις για να βοηθήσετε στην επιλογή μοντέλων από έναν κατάλογο με περισσότερα από 200 προεκπαιδευμένα μοντέλα όρασης υπολογιστή. Στη συνέχεια, πρέπει να κάνετε συγκριτική αξιολόγηση της απόδοσης του μοντέλου με διαφορετικές ρυθμίσεις υπερπαραμέτρων και να επιλέξετε το καλύτερο μοντέλο που θα αναπτυχθεί στην παραγωγή.
Για να απλοποιήσουμε αυτήν την εμπειρία και να επιτρέψουμε σε προγραμματιστές με ελάχιστη έως καθόλου τεχνογνωσία ML να δημιουργήσουν προσαρμοσμένα μοντέλα υπολογιστικής όρασης, κυκλοφορούμε ένα νέο παράδειγμα σημειωματάριου στο JumpStart που χρησιμοποιεί Προσαρμοσμένες ετικέτες αναγνώρισης Amazon, μια πλήρως διαχειριζόμενη υπηρεσία για τη δημιουργία προσαρμοσμένων μοντέλων υπολογιστικής όρασης. Το Rekognition Custom Labels βασίζεται στα προεκπαιδευμένα μοντέλα Αναγνώριση Amazon, τα οποία έχουν ήδη εκπαιδευτεί σε δεκάδες εκατομμύρια εικόνες σε πολλές κατηγορίες. Αντί για χιλιάδες εικόνες, μπορείτε να ξεκινήσετε με ένα μικρό σύνολο εικόνων εκπαίδευσης (μερικές εκατοντάδες ή λιγότερες) που είναι συγκεκριμένες για την περίπτωση χρήσης σας. Το Rekognition Custom Labels αφαιρεί την πολυπλοκότητα που συνεπάγεται η κατασκευή ενός προσαρμοσμένου μοντέλου. Επιθεωρεί αυτόματα τα δεδομένα εκπαίδευσης, επιλέγει τους σωστούς αλγόριθμους ML, επιλέγει τον τύπο στιγμιότυπου, εκπαιδεύει πολλά υποψήφια μοντέλα με διαφορετικές υπερπαραμέτρους και εξάγει το καλύτερα εκπαιδευμένο μοντέλο. Το Rekognition Custom Labels παρέχει επίσης μια εύχρηστη διεπαφή από το Κονσόλα διαχείρισης AWS για ολόκληρη τη ροή εργασίας ML, συμπεριλαμβανομένης της επισήμανσης εικόνων, της εκπαίδευσης, της ανάπτυξης ενός μοντέλου και της οπτικοποίησης των αποτελεσμάτων της δοκιμής.
Αυτό το παράδειγμα σημειωματάριου στο JumpStart χρησιμοποιώντας προσαρμοσμένες ετικέτες αναγνώρισης επιλύει οποιαδήποτε εργασία ταξινόμησης εικόνων ή εντοπισμού αντικειμένων υπολογιστή όρασης ML, διευκολύνοντας τους πελάτες που είναι εξοικειωμένοι με Amazon Sage Maker για να δημιουργήσετε μια λύση όρασης υπολογιστή που ταιριάζει καλύτερα στην περίπτωση χρήσης, τις απαιτήσεις και το σύνολο δεξιοτήτων σας.
Σε αυτήν την ανάρτηση, παρέχουμε οδηγίες βήμα προς βήμα για να χρησιμοποιήσετε αυτό το παράδειγμα σημειωματάριου στο JumpStart. Το σημειωματάριο δείχνει πώς να χρησιμοποιείτε εύκολα τα υπάρχοντα API εκπαίδευσης και συμπερασμάτων προσαρμοσμένων ετικετών αναγνώρισης για τη δημιουργία ενός μοντέλου ταξινόμησης εικόνων, ενός μοντέλου ταξινόμησης πολλαπλών ετικετών και ενός μοντέλου ανίχνευσης αντικειμένων. Για να σας διευκολύνουμε να ξεκινήσετε, παρέχουμε παραδείγματα συνόλων δεδομένων για κάθε μοντέλο.
Εκπαιδεύστε και αναπτύξτε ένα μοντέλο όρασης υπολογιστή χρησιμοποιώντας προσαρμοσμένες ετικέτες αναγνώρισης
Σε αυτήν την ενότητα, εντοπίζουμε το επιθυμητό σημειωματάριο στο JumpStart και δείχνουμε τον τρόπο εκπαίδευσης και εκτέλεσης συμπερασμάτων στο αναπτυγμένο τελικό σημείο.
Ας ξεκινήσουμε από το Στούντιο Amazon SageMaker Προωθητής.
- Στο Studio Launcher, επιλέξτε Μεταβείτε στο SageMaker JumpStart.
Η σελίδα προορισμού JumpStart έχει ενότητες για καρουζέλ για λύσεις, μοντέλα κειμένου και μοντέλα όρασης. Διαθέτει επίσης γραμμή αναζήτησης. - Στη γραμμή αναζήτησης, πληκτρολογήστε
Rekognition Custom Labels
Και επιλέξτε το Προσαρμοσμένες ετικέτες αναγνώρισης για το Vision σημειωματάριο.
Το σημειωματάριο ανοίγει σε λειτουργία μόνο για ανάγνωση. - Επιλέξτε Εισαγωγή σημειωματάριου για να εισαγάγετε το σημειωματάριο στο περιβάλλον σας.
Το σημειωματάριο παρέχει έναν οδηγό βήμα προς βήμα για προπόνηση και συμπεράσματα τρεξίματος χρησιμοποιώντας προσαρμοσμένες ετικέτες αναγνώρισης από την κονσόλα JumpStart. Παρέχει τα ακόλουθα τέσσερα δείγματα συνόλων δεδομένων για την επίδειξη της ταξινόμησης εικόνων μιας και πολλαπλών ετικετών και της ανίχνευσης αντικειμένων.
-
- Ταξινόμηση εικόνας με μία ετικέτα – Αυτό το σύνολο δεδομένων δείχνει πώς να ταξινομήσετε τις εικόνες ως ανήκουσες σε μία από ένα σύνολο προκαθορισμένων ετικετών. Για παράδειγμα, οι εταιρείες ακινήτων μπορούν να χρησιμοποιήσουν προσαρμοσμένες ετικέτες αναγνώρισης για να κατηγοριοποιήσουν τις εικόνες τους από σαλόνια, αυλές, υπνοδωμάτια και άλλες οικιακές τοποθεσίες. Το παρακάτω είναι ένα δείγμα εικόνας από αυτό το σύνολο δεδομένων, το οποίο περιλαμβάνεται ως μέρος του σημειωματάριου.
- Ταξινόμηση εικόνων πολλαπλών ετικετών – Αυτό το σύνολο δεδομένων δείχνει πώς να ταξινομήσετε τις εικόνες σε πολλές κατηγορίες, όπως το χρώμα, το μέγεθος, την υφή και τον τύπο ενός λουλουδιού. Για παράδειγμα, οι καλλιεργητές φυτών μπορούν να χρησιμοποιήσουν τις προσαρμοσμένες ετικέτες αναγνώρισης για να διακρίνουν τους διαφορετικούς τύπους λουλουδιών και εάν είναι υγιή, κατεστραμμένα ή μολυσμένα. Η παρακάτω εικόνα είναι ένα παράδειγμα από αυτό το σύνολο δεδομένων.
- Ανίχνευση αντικειμένων – Αυτό το σύνολο δεδομένων δείχνει εντοπισμό αντικειμένων για τον εντοπισμό εξαρτημάτων που χρησιμοποιούνται σε γραμμές παραγωγής ή κατασκευής. Για παράδειγμα, στη βιομηχανία ηλεκτρονικών ειδών, οι προσαρμοσμένες ετικέτες αναγνώρισης μπορούν να βοηθήσουν στην μέτρηση του αριθμού των πυκνωτών σε μια πλακέτα κυκλώματος. Η παρακάτω εικόνα είναι ένα παράδειγμα από αυτό το σύνολο δεδομένων.
- Ανίχνευση επωνυμίας και λογότυπου – Αυτό το σύνολο δεδομένων δείχνει τον εντοπισμό λογότυπων ή επωνυμιών σε μια εικόνα. Για παράδειγμα, στη βιομηχανία πολυμέσων, ένα μοντέλο ανίχνευσης αντικειμένων μπορεί να βοηθήσει στον εντοπισμό της θέσης των λογότυπων χορηγών στις φωτογραφίες. Το παρακάτω είναι ένα δείγμα εικόνας από αυτό το σύνολο δεδομένων.
- Ταξινόμηση εικόνας με μία ετικέτα – Αυτό το σύνολο δεδομένων δείχνει πώς να ταξινομήσετε τις εικόνες ως ανήκουσες σε μία από ένα σύνολο προκαθορισμένων ετικετών. Για παράδειγμα, οι εταιρείες ακινήτων μπορούν να χρησιμοποιήσουν προσαρμοσμένες ετικέτες αναγνώρισης για να κατηγοριοποιήσουν τις εικόνες τους από σαλόνια, αυλές, υπνοδωμάτια και άλλες οικιακές τοποθεσίες. Το παρακάτω είναι ένα δείγμα εικόνας από αυτό το σύνολο δεδομένων, το οποίο περιλαμβάνεται ως μέρος του σημειωματάριου.
- Ακολουθήστε τα βήματα στο σημειωματάριο εκτελώντας κάθε κελί.
Αυτό το σημειωματάριο δείχνει πώς μπορείτε να χρησιμοποιήσετε ένα μόνο σημειωματάριο για να αντιμετωπίσετε περιπτώσεις χρήσης ταξινόμησης εικόνων και εντοπισμού αντικειμένων μέσω των API προσαρμοσμένων ετικετών αναγνώρισης.
Καθώς προχωράτε με το σημειωματάριο, έχετε την επιλογή να επιλέξετε ένα από τα προαναφερθέντα δείγματα δεδομένων. Σας ενθαρρύνουμε να δοκιμάσετε να εκτελέσετε το σημειωματάριο για καθένα από τα σύνολα δεδομένων.
Συμπέρασμα
Σε αυτήν την ανάρτηση, σας δείξαμε πώς να χρησιμοποιείτε τα API προσαρμοσμένων ετικετών αναγνώρισης για να δημιουργήσετε μια ταξινόμηση εικόνας ή ένα μοντέλο όρασης υπολογιστή ανίχνευσης αντικειμένων για την ταξινόμηση και τον εντοπισμό αντικειμένων σε εικόνες που είναι ειδικά για τις ανάγκες της επιχείρησής σας. Για να εκπαιδεύσετε ένα μοντέλο, μπορείτε να ξεκινήσετε παρέχοντας δεκάδες έως εκατοντάδες εικόνες με ετικέτα αντί για χιλιάδες. Το Rekognition Custom Labels απλοποιεί την εκπαίδευση του μοντέλου φροντίζοντας για επιλογές παραμέτρων, όπως ο τύπος μηχανής, ο τύπος αλγορίθμου ή οι ειδικές για τον αλγόριθμο υπερπαράμετροι (συμπεριλαμβανομένου του αριθμού των επιπέδων στο δίκτυο, του ρυθμού εκμάθησης και του μεγέθους παρτίδας). Το Rekognition Custom Labels απλοποιεί επίσης τη φιλοξενία ενός εκπαιδευμένου μοντέλου και παρέχει μια απλή λειτουργία για την εκτέλεση συμπερασμάτων με ένα εκπαιδευμένο μοντέλο.
Το Rekognition Custom Labels παρέχει μια εύχρηστη εμπειρία κονσόλας για τη διαδικασία εκπαίδευσης, τη διαχείριση μοντέλων και την οπτικοποίηση εικόνων δεδομένων δεδομένων. Σας ενθαρρύνουμε να μάθετε περισσότερα για Προσαρμοσμένες ετικέτες αναγνώρισης και δοκιμάστε το με τα σύνολα δεδομένων της επιχείρησής σας.
Για να ξεκινήσετε, μπορείτε να πλοηγηθείτε στο παράδειγμα σημειωματάριο Προσαρμοσμένων ετικετών αναγνώρισης SageMaker JumpStart.
Σχετικά με τους Συγγραφείς
Pashmeen Mistry είναι ο Senior Product Manager για τις προσαρμοσμένες ετικέτες αναγνώρισης Amazon. Εκτός δουλειάς, ο Pashmeen απολαμβάνει περιπετειώδεις πεζοπορίες, φωτογραφίες και να περνά χρόνο με την οικογένειά του.
Abhishek Gupta είναι ο Senior AI Services Solution Architect στο AWS. Βοηθά τους πελάτες να σχεδιάσουν και να εφαρμόσουν λύσεις υπολογιστικής όρασης.
- Coinsmart. Το καλύτερο ανταλλακτήριο Bitcoin και Crypto στην Ευρώπη.
- Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. ΕΛΕΥΘΕΡΗ ΠΡΟΣΒΑΣΗ.
- CryptoHawk. Ραντάρ Altcoin. Δωρεάν δοκιμή.
- Πηγή: https://aws.amazon.com/blogs/machine-learning/image-classification-and-object-detection-using-amazon-rekognition-custom-labels-and-amazon-sagemaker-jumpstart/
- "
- 100
- 2020
- περιλήψεις
- απέναντι
- διεύθυνση
- AI
- Υπηρεσίες AI
- αλγόριθμος
- αλγόριθμοι
- ήδη
- Amazon
- APIs
- αυτοματοποίηση
- Αυτοματοποίηση
- αυτοκινήτων
- AWS
- αναφοράς
- ΚΑΛΎΤΕΡΟΣ
- επιτροπή
- μάρκες
- χτίζω
- Κτίριο
- Χτίζει
- επιχείρηση
- Μπορεί να πάρει
- υποψήφιος
- ο οποίος
- περιπτώσεις
- επιλογές
- Επιλέξτε
- ταξινόμηση
- Εταιρείες
- υπολογιστή
- πρόξενος
- δημιουργία
- έθιμο
- Πελάτες
- ημερομηνία
- δεκαετία
- αποδεικνύουν
- παρατάσσω
- αναπτυχθεί
- ανάπτυξη
- ανάπτυξη
- Υπηρεσίες
- Ανίχνευση
- ανάπτυξη
- προγραμματιστές
- διαφορετικές
- εύκολα
- εύκολο στη χρήση
- ηλεκτρονικού εμπορίου
- Ηλεκτρονική
- ενθαρρύνει
- Τελικό σημείο
- ενέργεια
- εισάγετε
- Περιβάλλον
- ειδικά
- περιουσία
- παράδειγμα
- υφιστάμενα
- εμπειρία
- εξειδίκευση
- οικογένεια
- Εξής
- Μεγαλώνοντας
- καθοδηγήσει
- βοήθεια
- βοηθά
- υψηλής ποιότητας
- φιλοξενία
- νοικοκυριό
- Πως
- Πώς να
- Ωστόσο
- HTTPS
- Εκατοντάδες
- προσδιορίσει
- εικόνα
- εφαρμογή
- περιλαμβάνονται
- Συμπεριλαμβανομένου
- βιομηχανίες
- βιομηχανία
- ασφάλιση
- τόκος
- περιβάλλον λειτουργίας
- συμμετέχουν
- IT
- γνώση
- τιτλοφόρηση
- Ετικέτες
- ΜΑΘΑΊΝΩ
- μάθηση
- ανύψωση
- λίγο
- ζουν
- τοποθεσία
- θέσεις
- λογότυπο
- μηχανή
- μάθηση μηχανής
- Κατασκευή
- διαχειρίζεται
- διαχείριση
- διευθυντής
- κατασκευής
- Εικόνες / Βίντεο
- εκατομμύρια
- ML
- μοντέλο
- μοντέλα
- περισσότερο
- πολλαπλούς
- ανάγκες
- δίκτυο
- σημειωματάριο
- αριθμός
- ανοίγει
- λειτουργία
- Επιλογή
- ΑΛΛΑ
- μέρος
- επίδοση
- εκτέλεση
- φωτογραφία
- διαδικασια μας
- Διεργασίες
- Προϊόν
- παραγωγή
- παρέχουν
- παρέχει
- χορήγηση
- γρήγορα
- ακίνητα
- μείωση
- απαιτήσεις
- Απαιτεί
- Αποτελέσματα
- λιανική πώληση
- Δωμάτια
- τρέξιμο
- τρέξιμο
- Αναζήτηση
- υπηρεσία
- Υπηρεσίες
- σειρά
- Απλούς
- Μέγεθος
- small
- λύση
- Λύσεις
- Λύει
- μερικοί
- Δαπάνες
- υποστηρικτής
- Εκκίνηση
- ξεκίνησε
- στούντιο
- λήψη
- δοκιμή
- χιλιάδες
- ώρα
- Εκπαίδευση
- τρένα
- τύποι
- μοναδικός
- χρήση
- ποικιλία
- όραμα
- οραματισμός
- εντός
- Εργασία