Amazon Rekognitsioon on arvutinägemise teenus, mis muudab teie rakendustele piltide ja videoanalüüside lisamise lihtsaks, kasutades tõestatud, hästi skaleeritavat süvaõppetehnoloogiat, mille kasutamiseks pole vaja masinõppe (ML) teadmisi. Amazon Rekognitioniga saate tuvastada piltidel ja videotes objekte, inimesi, teksti, stseene ja tegevusi ning tuvastada sobimatu sisu. Amazon Rekognition pakub ka ülitäpset näoanalüüsi ja näootsingu võimalusi, mida saate kasutada nägude tuvastamiseks, analüüsimiseks ja võrdlemiseks mitmesuguste kasutusjuhtude jaoks.
Amazon Rekognitioni kohandatud sildid võimaldab piltidel tuvastada teie ettevõtte vajadustele vastavad objektid ja stseenid. Näiteks võite leida oma logo sotsiaalmeedia postitustest, tuvastada oma tooteid kaupluste riiulitel, klassifitseerida masinaosi koosteliinil, eristada terveid ja nakatunud taimi jpm. Blogi postitus Oma brändituvastuse loomine näitab, kuidas kasutada Amazon Rekognitioni kohandatud silte, et luua täielik lahendus brändilogo tuvastamiseks piltidel ja videotes.
Amazon Rekognition Custom Labels pakub lihtsat ja täielikku kogemust, kus alustate andmestiku sildistamisega, ja Amazon Rekognition Custom Labels koostab teie jaoks kohandatud ML-mudeli, kontrollides andmeid ja valides õige ML-algoritmi. Pärast mudeli väljaõpetamist saate seda kohe pildianalüüsiks kasutama hakata. Kui soovite töödelda pilte partiidena (nt üks kord päevas või nädalas või päeva jooksul kavandatud aegadel), saate oma kohandatud mudeli ette valmistada määratud aegadel.
Selles postituses näitame, kuidas saate luua kuluoptimaalse pakettlahenduse Amazon Rekognitioni kohandatud siltidega, mis pakuvad teie kohandatud mudelit kavandatud aegadel, töötlevad kõiki teie pilte ja eraldavad teie ressursse, et vältida lisakulusid.
Ülevaade lahendusest
Järgmine arhitektuuriskeem näitab, kuidas saate Amazon Rekognitioni kohandatud siltidega piltide partiidena töötlemiseks kujundada kuluefektiivse ja väga skaleeritava töövoo. See kasutab ära AWS-i teenuseid, nagu Amazon EventBridge, AWS-i astmefunktsioonid, Amazoni lihtsa järjekorra teenus (Amazon SQS), AWS Lambdaja Amazoni lihtne salvestusteenus (Amazon S3).
See lahendus kasutab serveriteta arhitektuuri ja hallatavaid teenuseid, nii et seda saab nõudmisel skaleerida ega vaja serverite loomist ega haldamist. Amazon SQS-i järjekord suurendab lahenduse üldist tõrketaluvust, lahutades kujutise sissevõtmise pilditöötlusest ja võimaldades iga sissevõetud pildi jaoks sõnumite usaldusväärset edastamist. Step Functions teeb lihtsaks visuaalsete töövoogude loomise, et korraldada rida üksikuid ülesandeid, näiteks kontrollida, kas pilt on töötlemiseks saadaval ja projekti Amazon Rekognition Custom Labels oleku elutsükli haldamine. Kuigi järgmine arhitektuur näitab, kuidas saate AWS Lambda abil luua Amazon Rekognitioni kohandatud siltide jaoks partiitöötluse lahenduse, saate sarnase arhitektuuri luua, kasutades selliseid teenuseid nagu AWS Fargate.
Järgmised sammud kirjeldavad üldist töövoogu.
- Kuna pilt salvestatakse Amazon S3 ämbrisse, käivitab see sõnumi, mis salvestatakse Amazon SQS-i järjekorda.
- Amazon EventBridge on konfigureeritud käivitama AWS-i sammufunktsioonide töövoogu teatud sagedusega (vaikimisi 1 tund).
- Töövoo käivitamisel teostab see järgmisi toiminguid.
- See kontrollib Amazon SQS-i järjekorras olevate üksuste arvu. Kui järjekorras pole töödeldavaid üksusi, siis töövoog lõpeb.
- Kui järjekorras on töödeldavaid üksusi, käivitab töövoog Amazon Rekognitioni kohandatud siltide mudeli.
- Töövoog võimaldab nende piltide töötlemiseks integreerida Amazon SQS-i AWS Lambda funktsiooniga.
- Kuna Amazon SQS-i järjekorra ja AWS Lambda vaheline integreerimine on lubatud, toimuvad järgmised sündmused.
- AWS Lambda hakkab töötlema sõnumeid Amazon SQS-i pildi üksikasjadega.
- Funktsioon AWS Lambda kasutab piltide töötlemiseks projekti Amazon Rekognition Custom Labels.
- Seejärel asetab AWS Lambda funktsioon JSON-faili, mis sisaldab tuletatud silte, lõplikku ämbrisse. Pilt teisaldatakse ka lähtesalvest lõplikku ämbrisse.
- Kui kõik pildid on töödeldud, teeb AWS Step Functions töövoog järgmist.
- See peatab Amazon Rekognitioni kohandatud siltide mudeli.
- See keelab päästiku keelamisega Amazon SQS-i järjekorra ja AWS Lambda funktsiooni vahelise integratsiooni.
Järgmine diagramm illustreerib selle lahenduse AWS-i sammufunktsioonide olekumasinat.
Eeldused
Selle lahenduse juurutamiseks vajate järgmisi eeltingimusi.
- AWS-i konto, millel on luba lahenduse juurutamiseks AWS CloudFormation, mis loob AWS-i identiteedi- ja juurdepääsuhaldus (IAM) rollid ja muud ressursid.
- Amazon Rekognitioni kohandatud siltide projekti Amazoni ressursinimi (ARN) (viidatud kui ProjectArn) ja mudeli versiooni Amazoni ressursi nimi (ARN), mis loodi pärast mudeli treenimist (viidatud kui ProjectVersionArn). Need väärtused on vajalikud mudeli oleku kontrollimiseks ja ka mudeli abil piltide analüüsimiseks.
Et õppida, kuidas modelli koolitada, vt Amazon Rekognitioni kohandatud siltidega alustamine.
Deployment
Lahenduse juurutamiseks AWS CloudFormationi abil oma AWS-i kontol järgige juhiseid GitHub repo. See loob järgmised ressursid:
- Amazon S3 kopp
- Amazon SQS järjekord
- AWS-i sammufunktsioonide töövoog
- Amazon EventBridge'i reeglid töövoo käivitamiseks
- IAM-i rollid
- AWS lambda funktsioonid
Lahendusega loodud erinevate ressursside nimesid näete väljundi jaotises CloudFormationi virn.
Töövoo testimine
Töövoo testimiseks toimige järgmiselt.
- Laadige näidiskujutised üles lahenduse loodud sisendi S3 ämbrisse (nt xxxx-sources3bucket-xxxx).
- Valige sammufunktsioonide konsoolil lahenduse loodud olekumasin (näiteks CustomCVStateMachine-xxxx).
Peaksite nägema, et Amazon EventBridge'i reegel käivitab olekumasina iga tund.
- Valides saate töövoo käsitsi käivitada Alusta täitmist.
- Kujutiste töötlemise ajal saate minna väljundi S3 ämbrisse (nt xxxx-finals3bucket-xxxx), et näha iga pildi JSON-väljundit.
Järgmine ekraanipilt näitab lõpliku S3 ämbri sisu koos piltidega koos vastava Amazon Rekognitioni kohandatud siltide JSON-väljundiga.
Järeldus
Selles postituses näitasime, kuidas saate luua kulutõhusa pakettlahenduse Amazon Rekognitioni kohandatud siltidega, mis võimaldavad teie kohandatud mudelit kavandatud aegadel luua, töödelda kõiki teie pilte ja eraldada ressursse, et vältida lisakulusid. Olenevalt kasutusjuhust saate hõlpsasti kohandada ajastatud ajaakent, mille jooksul lahendus partii töötlema peaks. Lisateavet piltidel objekte, stseene ja kontseptsioone tuvastava mudeli loomise, treenimise, hindamise ja kasutamise kohta leiate siit alustades Amazon Rekognitioni kohandatud siltidega.
Kuigi selles postituses kirjeldatud lahendus näitas, kuidas saate Amazon Rekognitioni kohandatud siltide abil pakettpilte töödelda, saate lahendust hõlpsasti kohandada, et pakettpilte töödelda. Amazon Lookout for Vision defektide ja kõrvalekallete tuvastamiseks. Amazon Lookout for Visioniga saavad tootmisettevõtted tõsta kvaliteeti ja vähendada tegevuskulusid, tuvastades kiiresti objektide kujutiste erinevused mastaabis. Näiteks saab Amazon Lookout for Visioni kasutada toodetes puuduvate komponentide, sõidukite või konstruktsioonide kahjustuste, tootmisliinide ebakorrapärasuste, ränivahvlite väikeste defektide ja muude sarnaste probleemide tuvastamiseks. Amazon Lookout for Visioni kohta lisateabe saamiseks vaadake arendaja juhend.
Autoritest
Rahul Srivastava on Amazon Web Servicesi vanemlahenduste arhitekt ja asub Ühendkuningriigis. Tal on suur arhitektuurikogemus suurettevõtete klientidega töötamisel. Ta aitab meie kliente arhitektuuri, pilve kasutuselevõtuga, eesmärgiga tooteid arendada ja AI/ML eeliseid kasutada reaalsete äriprobleemide lahendamisel.
Kashif Imran on Amazon Web Servicesi peamine lahenduste arhitekt. Ta teeb koostööd suuremate AWS-i klientidega, kes kasutavad AI/ML-i eeliseid keeruliste äriprobleemide lahendamiseks. Ta annab tehnilisi juhiseid ja disaininõuandeid arvutinägemisrakenduste ulatuslikuks rakendamiseks. Tema teadmised hõlmavad rakenduste arhitektuuri, serverita, konteinereid, NoSQL-i ja masinõpet.
