Προσαρμοσμένες ετικέτες αναγνώρισης Amazon είναι μια πλήρως διαχειριζόμενη υπηρεσία όρασης υπολογιστή που επιτρέπει στους προγραμματιστές να δημιουργούν προσαρμοσμένα μοντέλα για την ταξινόμηση και την αναγνώριση αντικειμένων σε εικόνες που είναι συγκεκριμένα και μοναδικά για την επιχείρησή σας.
Το Rekognition Custom Labels δεν απαιτεί να έχετε προηγούμενη εμπειρία στην όραση υπολογιστή. Μπορείτε να ξεκινήσετε απλά ανεβάζοντας δεκάδες εικόνες αντί για χιλιάδες. Εάν οι εικόνες έχουν ήδη επισημανθεί, μπορείτε να ξεκινήσετε την εκπαίδευση ενός μοντέλου με λίγα μόνο κλικ. Εάν όχι, μπορείτε να τα επισημάνετε απευθείας στην κονσόλα Προσαρμοσμένων ετικετών αναγνώρισης ή να τα χρησιμοποιήσετε Amazon SageMaker Ground Αλήθεια για να τους χαρακτηρίσουν. Το Rekognition Custom Labels χρησιμοποιεί εκμάθηση μεταφοράς για να επιθεωρήσει αυτόματα τα δεδομένα εκπαίδευσης, να επιλέξει το σωστό πλαίσιο και αλγόριθμο μοντέλου, να βελτιστοποιήσει τις υπερπαραμέτρους και να εκπαιδεύσει το μοντέλο. Όταν είστε ικανοποιημένοι με την ακρίβεια του μοντέλου, μπορείτε να αρχίσετε να φιλοξενείτε το εκπαιδευμένο μοντέλο με ένα μόνο κλικ.
Ωστόσο, εάν είστε επιχειρηματίας χρήστης που θέλει να λύσει ένα πρόβλημα όρασης υπολογιστή, να οπτικοποιήσει τα αποτελέσματα συμπερασμάτων του προσαρμοσμένου μοντέλου και να λαμβάνει ειδοποιήσεις όταν αυτά τα αποτελέσματα συμπερασμάτων είναι διαθέσιμα, θα πρέπει να βασιστείτε στην ομάδα μηχανικών σας για τη δημιουργία μιας τέτοιας εφαρμογής. Για παράδειγμα, ένας διευθυντής γεωργικών εργασιών μπορεί να ειδοποιηθεί όταν μια καλλιέργεια διαπιστωθεί ότι έχει ασθένεια, ένας οινοποιός μπορεί να ειδοποιηθεί όταν τα σταφύλια είναι ώριμα για συγκομιδή ή ένας διευθυντής καταστήματος μπορεί να ειδοποιηθεί όταν έρθει η ώρα να ανανεωθούν τα αποθέματα, όπως τα αναψυκτικά σε κατακόρυφο ψυγείο.
Σε αυτήν την ανάρτηση, σας καθοδηγούμε στη διαδικασία δημιουργίας μιας λύσης που σας επιτρέπει να οπτικοποιείτε το αποτέλεσμα συμπερασμάτων και να στέλνετε ειδοποιήσεις σε εγγεγραμμένους χρήστες όταν εντοπίζονται συγκεκριμένες ετικέτες σε εικόνες που υποβάλλονται σε επεξεργασία με χρήση μοντέλων που έχουν δημιουργηθεί από τις προσαρμοσμένες ετικέτες Rekognition.
Επισκόπηση λύσεων
Το παρακάτω διάγραμμα απεικονίζει την αρχιτεκτονική λύσεών μας.
Αυτή η λύση χρησιμοποιεί τις ακόλουθες υπηρεσίες AWS για την εφαρμογή μιας επεκτάσιμης και οικονομικά αποδοτικής αρχιτεκτονικής:
- Αμαζόν Αθηνά – Μια διαδραστική υπηρεσία ερωτημάτων χωρίς διακομιστή που διευκολύνει την ανάλυση δεδομένων στο Amazon S3 χρησιμοποιώντας τυπική SQL.
- AWS Lambda – Μια υπηρεσία υπολογισμού χωρίς διακομιστή που σας επιτρέπει να εκτελείτε κώδικα ως απόκριση σε ενεργοποιήσεις όπως αλλαγές στα δεδομένα, αλλαγές στην κατάσταση του συστήματος ή ενέργειες χρήστη. Επειδή το Amazon S3 μπορεί να ενεργοποιήσει απευθείας μια λειτουργία Lambda, μπορείτε να δημιουργήσετε μια ποικιλία σε πραγματικό χρόνο χωρίς διακομιστή συστήματα επεξεργασίας δεδομένων.
- Amazon QuickSight – Μια πολύ γρήγορη, εύχρηστη υπηρεσία επιχειρηματικών αναλυτικών στοιχείων που υποστηρίζει το cloud που διευκολύνει τη δημιουργία οπτικοποιήσεων, την εκτέλεση ad hoc ανάλυσης και τη γρήγορη λήψη επιχειρηματικών πληροφοριών από τα δεδομένα.
- Προσαρμοσμένες ετικέτες αναγνώρισης Amazon – Σας επιτρέπει να εκπαιδεύσετε ένα προσαρμοσμένο μοντέλο υπολογιστικής όρασης για να αναγνωρίζετε τα αντικείμενα και τις σκηνές στις εικόνες που ανταποκρίνονται στις ανάγκες της επιχείρησής σας.
- Υπηρεσία απλών ειδοποιήσεων Amazon – Το Amazon SNS είναι μια πλήρως διαχειριζόμενη υπηρεσία ανταλλαγής μηνυμάτων για επικοινωνία τόσο από εφαρμογή σε εφαρμογή (A2A) όσο και από εφαρμογή σε άτομο (A2P).
- Υπηρεσία απλής ουράς Amazon – Το Amazon SQS είναι μια πλήρως διαχειριζόμενη υπηρεσία ουράς μηνυμάτων που σας δίνει τη δυνατότητα να αποσυνδέσετε και να κλιμακώσετε μικροϋπηρεσίες, κατανεμημένα συστήματα και εφαρμογές χωρίς διακομιστή.
- Απλή υπηρεσία αποθήκευσης Amazon – Το Amazon S3 χρησιμεύει ως χώρος αποθήκευσης αντικειμένων για τα έγγραφά σας και επιτρέπει την κεντρική διαχείριση με βελτιωμένα στοιχεία ελέγχου πρόσβασης.
Η λύση χρησιμοποιεί μια ροή εργασίας χωρίς διακομιστή που ενεργοποιείται όταν μια εικόνα μεταφορτώνεται στον κάδο εισόδου S3. Μια ουρά SQS λαμβάνει μια ειδοποίηση συμβάντος για τη δημιουργία αντικειμένων. Η λύση επίσης δημιουργεί ουρές νεκρών γραμμάτων (DLQ) για να παραμερίσετε και να απομονώσετε μηνύματα που δεν μπορούν να επεξεργαστούν σωστά. Μια συνάρτηση Lambda τροφοδοτείται από την ουρά SQS και δημιουργεί το DetectLabels
Κλήση API για τον εντοπισμό όλων των ετικετών στην εικόνα. Για να κλιμακώσει αυτή τη λύση και να την κάνει χαλαρά συνδεδεμένη σχεδίαση, η συνάρτηση Lambda στέλνει τα αποτελέσματα πρόβλεψης σε μια άλλη ουρά SQS. Αυτή η ουρά SQS ενεργοποιεί μια άλλη συνάρτηση Lambda, η οποία αναλύει όλες τις ετικέτες που βρίσκονται στις προβλέψεις. Με βάση την προτίμηση του χρήστη (που έχει διαμορφωθεί κατά την ανάπτυξη της λύσης), η συνάρτηση δημοσιεύει ένα μήνυμα σε ένα θέμα SNS. Το θέμα SNS έχει ρυθμιστεί ώστε να παρέχει ειδοποιήσεις μέσω email στο χρήστη. Μπορείτε να διαμορφώσετε τη συνάρτηση Lambda ώστε να προσθέτει μια διεύθυνση URL στο μήνυμα που αποστέλλεται στο Amazon SNS για πρόσβαση στην εικόνα (χρησιμοποιώντας ένα Amazon S3 προκαθορισμένη διεύθυνση URL). Τέλος, η συνάρτηση Lambda ανεβάζει ένα αποτέλεσμα πρόβλεψης και μεταδεδομένα εικόνας σε έναν κάδο S3. Στη συνέχεια, μπορείτε να χρησιμοποιήσετε το Athena και το QuickSight για να αναλύσετε και να οπτικοποιήσετε τα αποτελέσματα από τον κάδο S3.
Προϋποθέσεις
Πρέπει να έχετε ένα μοντέλο εκπαιδευμένο και να λειτουργεί με προσαρμοσμένες ετικέτες αναγνώρισης.
Το Rekognition Custom Labels σάς επιτρέπει να διαχειρίζεστε τη διαδικασία εκπαίδευσης του μοντέλου μηχανικής εκμάθησης στο Αναγνώριση Amazon κονσόλα, η οποία απλοποιεί τη διαδικασία ανάπτυξης μοντέλων από άκρο σε άκρο. Για αυτήν την ανάρτηση, χρησιμοποιούμε ένα μοντέλο ταξινόμησης εκπαιδευμένο για την ανίχνευση ασθενειών των φύλλων των φυτών.
Αναπτύξτε τη λύση
Μπορείτε να αναπτύξετε ένα AWS CloudFormation πρότυπο για την παροχή των απαραίτητων πόρων, συμπεριλαμβανομένων των κουβάδων S3, των ουρών SQS, του θέματος SNS, των συναρτήσεων Lambda και Διαχείριση ταυτότητας και πρόσβασης AWS (IAM) ρόλους. Το πρότυπο δημιουργεί τη στοίβα την περιοχή us-east-1, αλλά μπορείτε να χρησιμοποιήσετε το πρότυπο για να δημιουργήσετε τη στοίβα σας σε οποιαδήποτε Περιοχή όπου είναι διαθέσιμες οι παραπάνω υπηρεσίες AWS.
- Εκκινήστε το ακόλουθο πρότυπο CloudFormation στην περιοχή και τον λογαριασμό AWS όπου αναπτύξατε το μοντέλο προσαρμοσμένων ετικετών αναγνώρισης:
- Για Όνομα στοίβας, πληκτρολογήστε ένα όνομα στοίβας, όπως π.χ
rekognition-customlabels-analytics-and-notification
. - Για CustomModelARN, εισαγάγετε το ARN του μοντέλου προσαρμοσμένων ετικετών αναγνώρισης Amazon που θέλετε να χρησιμοποιήσετε.
Το μοντέλο προσαρμοσμένων ετικετών αναγνώρισης πρέπει να αναπτυχθεί στον ίδιο λογαριασμό AWS.
- Για Ειδοποίηση ηλεκτρονικού ταχυδρομείου, πληκτρολογήστε μια διεύθυνση email όπου θέλετε να λαμβάνετε ειδοποιήσεις.
- Για Όνομα InputBucket, πληκτρολογήστε ένα μοναδικό όνομα για τον κάδο S3 που δημιουργεί η στοίβα. για παράδειγμα,
plant-leaf-disease-data-input
.
Εδώ αποθηκεύονται οι εισερχόμενες εικόνες φύλλων φυτών.
- Για LabelsofInterest, μπορείτε να εισαγάγετε έως και 10 διαφορετικές ετικέτες για τις οποίες θέλετε να ειδοποιηθείτε, σε μορφή διαχωρισμένη με κόμματα. Για το παράδειγμά μας για την ασθένεια των φυτών, εισάγετε
bacterial-leaf-blight,leaf-smut
. - Για MinConfidence, εισαγάγετε το ελάχιστο όριο εμπιστοσύνης για να λάβετε ειδοποίηση. Οι ετικέτες που εντοπίστηκαν με σιγουριά κάτω από την τιμή MinConfidence δεν επιστρέφονται στην απάντηση και δεν θα δημιουργήσουν ειδοποίηση.
- Για OutputBucketName, πληκτρολογήστε ένα μοναδικό όνομα για τον κάδο S3 που δημιουργεί η στοίβα. για παράδειγμα,
plant-leaf-disease-data-output
.
Ο κάδος εξόδου περιέχει αρχεία JSON με μεταδεδομένα εικόνας (βρέθηκαν ετικέτες και βαθμολογία εμπιστοσύνης).
- Επιλέξτε Επόμενο.
- Στις Διαμόρφωση επιλογών στοίβας σελίδα, ορίστε τυχόν πρόσθετες παραμέτρους για τη στοίβα, συμπεριλαμβανομένων των ετικετών.
- Επιλέξτε Επόμενο.
- Στο Δυνατότητες και μετασχηματισμοί ενότητα, επιλέξτε το πλαίσιο ελέγχου για να αναγνωρίσετε ότι το AWS CloudFormation ενδέχεται να δημιουργήσει Πόροι IAM.
- Επιλέξτε Δημιουργία στοίβας.
Η σελίδα λεπτομερειών στοίβας θα πρέπει να δείχνει την κατάσταση της στοίβας ως CREATE_IN_PROGRESS
. Μπορεί να χρειαστούν έως και 5 λεπτά για να αλλάξει η κατάσταση σε CREATE_COMPLETE
.
Το Amazon SNS θα στείλει ένα μήνυμα επιβεβαίωσης συνδρομής στη διεύθυνση email. Πρέπει να επιβεβαιώστε τη συνδρομή.
Δοκιμάστε τη λύση
Τώρα που έχουμε αναπτύξει τους πόρους, είμαστε έτοιμοι να δοκιμάσουμε τη λύση. Βεβαιωθείτε ότι ξεκινήστε το μοντέλο.
- Στην κονσόλα Amazon S3, επιλέξτε Κουβάδες.
- Επιλέξτε τον κάδο εισόδου S3.
- Ανεβάστε δοκιμαστικές εικόνες στον κάδο.
Στην παραγωγή, μπορείτε να ρυθμίσετε αυτοματοποιημένες διαδικασίες για την παράδοση εικόνων σε αυτόν τον κάδο.
Αυτές οι εικόνες ενεργοποιούν τη ροή εργασίας. Εάν η εμπιστοσύνη της ετικέτας υπερβαίνει το καθορισμένο όριο, λαμβάνετε μια ειδοποίηση μέσω email όπως η παρακάτω.
Μπορείτε επίσης να διαμορφώσετε το θέμα SNS ώστε να παραδίδονται αυτές οι ειδοποιήσεις σε οποιονδήποτε προορισμοί υποστηρίζεται από την υπηρεσία.
Αναλύστε τα αποτελέσματα της πρόβλεψης
Αφού δοκιμάσετε τη λύση, μπορείτε να επεκτείνετε τη λύση για να δημιουργήσετε μια οπτική ανάλυση για τις προβλέψεις των επεξεργασμένων εικόνων. Για το σκοπό αυτό, χρησιμοποιούμε την Athena, μια διαδραστική υπηρεσία ερωτημάτων που διευκολύνει την ανάλυση δεδομένων απευθείας από το Amazon S3 χρησιμοποιώντας τυπική SQL και το QuickSight για την οπτικοποίηση των δεδομένων.
Ρύθμιση παραμέτρων Athena
Εάν δεν είστε εξοικειωμένοι με το Amazon Athena, δείτε αυτό το σεμινάριο. Στην κονσόλα Athena, δημιουργήστε έναν πίνακα στον κατάλογο δεδομένων Athena με τον ακόλουθο κώδικα:
Συμπληρώστε το Location
πεδίο στο προηγούμενο ερώτημα με το όνομα του κάδου εξόδου, όπως π.χ plant-leaf-disease-data-output
.
Αυτός ο κώδικας λέει στην Athena πώς να ερμηνεύει κάθε σειρά του κειμένου στον κάδο S3.
Τώρα μπορείτε να ζητήσετε τα δεδομένα:
SELECT * FROM "default"."rekognition_customlabels_analytics" limit 10;
Διαμόρφωση QuickSight
Για να διαμορφώσετε το QuickSight, ολοκληρώστε τα παρακάτω βήματα:
- Ανοίξτε το Κονσόλα QuickSight.
- Εάν δεν έχετε εγγραφεί στο QuickSight, σας ζητείται η επιλογή να εγγραφείτε. Ακολουθήστε τα βήματα για να εγγραφείτε για να χρησιμοποιήσετε το QuickSight.
- Αφού συνδεθείτε στο QuickSight, επιλέξτε Διαχείριση QuickSight κάτω από τον λογαριασμό σας.
- Στο παράθυρο πλοήγησης, επιλέξτε Ασφάλεια και άδειες.
- Κάτω από Πρόσβαση QuickSight στις υπηρεσίες AWS, επιλέξτε Προσθήκη ή κατάργηση.
Εμφανίζεται μια σελίδα για την ενεργοποίηση της πρόσβασης QuickSight στις υπηρεσίες AWS.
- Αγορά Amazon Αθήνα.
- Στο αναδυόμενο παράθυρο, επιλέξτε Επόμενο.
- Στην καρτέλα S3, επιλέξτε τους απαραίτητους κάδους S3. Για αυτήν την ανάρτηση, επιλέγω τον κάδο που αποθηκεύει τα αποτελέσματα του ερωτήματός μου στο Athena.
- Για κάθε κάδο, επιλέξτε επίσης Άδεια εγγραφής για το Athena Workgroup.
- Επιλέξτε φινίρισμα.
- Επιλέξτε Ενημέρωση.
- Στην κονσόλα QuickSight, επιλέξτε Νέα ανάλυση.
- Επιλέξτε Νέο σύνολο δεδομένων.
- Για Δεδομένα, επιλέξτε Αθήνα.
- Για Όνομα πηγής δεδομένων, εισαγω
Athena-CustomLabels-analysis
. - Για Ομάδα εργασίας Αθηνά, επιλέξτε πρωταρχικός.
- Επιλέξτε Δημιουργία πηγής δεδομένων.
- Για βάση δεδομένων, επιλέξτε
default
στο αναπτυσσόμενο μενού. - Για πίνακες, επιλέξτε τον πίνακα
rekognition_customlabels_analytics
. - Επιλέξτε Επιλέγω.
- Επιλέξτε Φαντάζομαι.
- Στις Φαντάζομαι σελίδα, κάτω από το Πεδία λίστα, επιλέξτε επιγραφή και επιλέξτε το γράφημα πίτας από Οπτικοί τύποι.
Μπορείτε να προσθέσετε περισσότερες απεικονίσεις στον πίνακα ελέγχου. Όταν η ανάλυσή σας είναι έτοιμη, μπορείτε να επιλέξετε Κοινοποίηση για να δημιουργήσετε έναν πίνακα ελέγχου και να τον μοιραστείτε στον οργανισμό σας.
Χαρακτηριστικά
Σε αυτήν την ανάρτηση, δείξαμε πώς μπορείτε να δημιουργήσετε μια λύση για να λαμβάνετε ειδοποιήσεις για συγκεκριμένες ετικέτες (όπως βακτηριακή λοίμωξη φύλλων ή ρύπανση φύλλων) που βρίσκονται σε επεξεργασμένες εικόνες χρησιμοποιώντας προσαρμοσμένες ετικέτες αναγνώρισης. Επιπλέον, δείξαμε πώς μπορείτε να δημιουργήσετε πίνακες εργαλείων για να οπτικοποιήσετε τα αποτελέσματα χρησιμοποιώντας το Athena και το QuickSight.
Μπορείτε πλέον να μοιράζεστε εύκολα τέτοιους πίνακες εργαλείων οπτικοποίησης με επαγγελματίες χρήστες και να τους επιτρέπετε να εγγραφούν σε ειδοποιήσεις αντί να χρειάζεται να βασίζονται στις ομάδες μηχανικών σας για τη δημιουργία μιας τέτοιας εφαρμογής.
Σχετικά με τους Συγγραφείς
Τζέι Ράο είναι κύριος αρχιτέκτονας λύσεων στην AWS. Του αρέσει να παρέχει τεχνική και στρατηγική καθοδήγηση στους πελάτες και να τους βοηθά να σχεδιάζουν και να εφαρμόζουν λύσεις στο AWS.
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.
- 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/receive-notifications-for-image-analysis-with-amazon-rekognition-custom-labels-and-analyze-predictions/
- "
- &
- 10
- 100
- 116
- 7
- 9
- πρόσβαση
- Λογαριασμός
- ενεργειών
- Ad
- Επιπλέον
- Πρόσθετος
- διεύθυνση
- αλγόριθμος
- Όλα
- ήδη
- Amazon
- ανάλυση
- analytics
- Άλλος
- api
- Εφαρμογή
- εφαρμογές
- αρχιτεκτονική
- Αυτοματοποιημένη
- διαθέσιμος
- AWS
- σύνορο
- Κουτί
- χτίζω
- Κτίριο
- επιχείρηση
- κλήση
- Μπορεί να πάρει
- αλλαγή
- Επιλέξτε
- ταξινόμηση
- κωδικός
- Επικοινωνία
- Υπολογίστε
- εμπιστοσύνη
- πρόξενος
- Περιέχει
- αποδοτική
- σε συνδυασμό
- δημιουργεί
- δημιουργία
- καλλιέργεια
- έθιμο
- Πελάτες
- ταμπλό
- ημερομηνία
- παρατάσσω
- αναπτυχθεί
- ανάπτυξη
- Υπηρεσίες
- εντοπιστεί
- προγραμματιστές
- Ανάπτυξη
- διαφορετικές
- κατευθείαν
- Νόσος
- διανέμονται
- έγγραφα
- Όχι
- εύκολα
- ΗΛΕΚΤΡΟΝΙΚΗ ΔΙΕΥΘΥΝΣΗ
- ενεργοποίηση
- Μηχανική
- εισάγετε
- Συμβάν
- παράδειγμα
- εξειδίκευση
- επεκτείνουν
- οικογένεια
- FAST
- Τελικά
- ακολουθήστε
- Εξής
- μορφή
- Βρέθηκαν
- Πλαίσιο
- λειτουργία
- παράγουν
- που έχει
- Πως
- Πώς να
- HTTPS
- προσδιορίσει
- Ταυτότητα
- εικόνα
- εφαρμογή
- Συμπεριλαμβανομένου
- εισαγωγή
- ιδέες
- διαδραστικό
- IT
- μόνο ένα
- Ετικέτες
- μάθηση
- Λίστα
- τοποθεσία
- κοιτάζοντας
- μηχανή
- μάθηση μηχανής
- ΚΑΝΕΙ
- διαχειρίζεται
- διαχείριση
- διευθυντής
- μηνυμάτων
- ελάχιστο
- μοντέλο
- μοντέλα
- περισσότερο
- Πλοήγηση
- κοινοποίηση
- λειτουργίες
- Επιλογή
- επιχειρήσεις
- φωτογραφία
- πρόβλεψη
- Προβλέψεις
- Κύριος
- Πρόβλημα
- διαδικασια μας
- Διεργασίες
- Προϊόν
- παραγωγή
- χορήγηση
- σκοπός
- γρήγορα
- σε πραγματικό χρόνο
- λαμβάνω
- απαιτούν
- Υποστηρικτικό υλικό
- απάντησης
- Αποτελέσματα
- τρέξιμο
- τρέξιμο
- επεκτάσιμη
- Κλίμακα
- Σκηνές
- Χωρίς διακομιστή
- υπηρεσία
- Υπηρεσίες
- σειρά
- Κοινοποίηση
- Απλούς
- λύση
- Λύσεις
- SOLVE
- Δαπάνες
- σωρός
- πρότυπο
- Εκκίνηση
- ξεκίνησε
- Κατάσταση
- Κατάσταση
- χώρος στο δίσκο
- κατάστημα
- καταστήματα
- Στρατηγική
- συνεισφέρω
- συνδρομή
- υποστηριζόνται!
- σύστημα
- συστήματα
- Τεχνικός
- λέει
- δοκιμή
- χιλιάδες
- Μέσω
- ώρα
- Εκπαίδευση
- μεταφορά
- μοναδικός
- χρήση
- Χρήστες
- αξία
- ποικιλία
- όραμα
- οραματισμός
- εντός
- Εργασία
- Ομάδα εργασίας