Amazon Rekognition mukautetut etiketit on täysin hallittu tietokonenäköpalvelu, jonka avulla kehittäjät voivat rakentaa mukautettuja malleja yrityksellesi ominaisten ja ainutlaatuisten kuvien kohteiden luokittelemiseksi ja tunnistamiseksi.
Rekognition Custom Labels ei vaadi aikaisempaa tietokonenäköosaamista. Voit aloittaa lataamalla kymmeniä kuvia tuhansien sijaan. Jos kuvat on jo merkitty, voit aloittaa mallin harjoittamisen muutamalla napsautuksella. Jos ei, voit merkitä ne suoraan Rekognition Custom Labels -konsolissa tai käyttää Amazon SageMaker Ground Totuus merkitsemään niitä. Rekognition Custom Labels käyttää siirtooppimista automaattisesti harjoitustietojen tarkastamiseen, oikean mallikehyksen ja algoritmin valitsemiseen, hyperparametrien optimointiin ja mallin kouluttamiseen. Kun olet tyytyväinen mallin tarkkuuteen, voit aloittaa koulutetun mallin isännöinnin yhdellä napsautuksella.
Jos kuitenkin olet yrityskäyttäjä, joka haluaa ratkaista tietokonenäköongelman, visualisoida mukautetun mallin päättelytuloksia ja saada ilmoituksia, kun tällaisia päättelytuloksia on saatavilla, sinun on luotettava suunnittelutiimiisi tällaisen sovelluksen rakentamisessa. Esimerkiksi maatalouden toiminnanjohtajalle voidaan ilmoittaa, kun sadossa todetaan sairaus, viinintekijälle, kun rypäleet ovat kypsiä korjattavaksi, tai myymäläpäällikkölle, kun on aika täydentää varastoja, kuten virvoitusjuomia. pystysuorassa jääkaapissa.
Tässä viestissä opastamme sinua sellaisen ratkaisun rakentamisprosessin läpi, jonka avulla voit visualisoida päättelytuloksen ja lähettää ilmoituksia tilaajille, kun tietyt tunnisteet tunnistetaan kuvissa, joita käsitellään Rekognition Custom Labelsin luomilla malleilla.
Ratkaisun yleiskatsaus
Seuraava kaavio kuvaa ratkaisuarkkitehtuuriamme.
Tämä ratkaisu käyttää seuraavia AWS-palveluita skaalautuvan ja kustannustehokkaan arkkitehtuurin toteuttamiseen:
- Amazon Athena – Palvelimeton interaktiivinen kyselypalvelu, jonka avulla on helppo analysoida tietoja Amazon S3:ssa tavallisella SQL:llä.
- AWS Lambda – Palvelimeton laskentapalvelu, jonka avulla voit suorittaa koodia vastauksena laukaisuihin, kuten tietojen muutoksiin, järjestelmän tilan muutoksiin tai käyttäjän toimiin. Koska Amazon S3 voi laukaista Lambda-toiminnon suoraan, voit rakentaa erilaisia reaaliaikaisia serverless tietojenkäsittelyjärjestelmät.
- Amazon QuickSight – Erittäin nopea, helppokäyttöinen, pilvipohjainen yritysanalytiikkapalvelu, jonka avulla on helppoa rakentaa visualisointeja, suorittaa ad hoc -analyysejä ja saada datasta nopeasti liiketoimintatietoja.
- Amazon Rekognition mukautetut etiketit – Voit kouluttaa mukautetun tietokonenäkömallin tunnistamaan kuvissa olevat kohteet ja kohtaukset, jotka vastaavat yrityksesi tarpeita.
- Amazonin yksinkertainen ilmoituspalvelu – Amazon SNS on täysin hallittu viestintäpalvelu sekä sovellusten väliseen (A2A) että sovelluksesta henkilöön (A2P) viestintään.
- Amazonin yksinkertainen jonopalvelu – Amazon SQS on täysin hallittu viestijonopalvelu, jonka avulla voit irrottaa ja skaalata mikropalveluita, hajautettuja järjestelmiä ja palvelimettomia sovelluksia.
- Amazonin yksinkertainen tallennuspalvelu – Amazon S3 toimii asiakirjojen objektivarastona ja mahdollistaa keskitetyn hallinnan hienosäädetyillä pääsyohjauksilla.
Ratkaisu hyödyntää palvelimetonta työnkulkua, joka laukeaa, kun kuva ladataan S3-tulotilaan. SQS-jono vastaanottaa tapahtumailmoituksen objektin luomisesta. Ratkaisu myös luo kuolleiden kirjainten jonot (DLQ:t) syrjään ja eristääksesi viestit, joita ei voida käsitellä oikein. Lambda-funktio syöttää SQS-jonosta ja tekee DetectLabels
API-kutsu tunnistaa kaikki kuvan tarrat. Lambda-funktio lähettää ennustustulokset toiseen SQS-jonoon tämän ratkaisun skaalaamiseksi ja löyhästi kytketyn mallin tekemiseksi. Tämä SQS-jono laukaisee toisen Lambda-funktion, joka analysoi kaikki ennusteissa löydetyt tunnisteet. Käyttäjän asetuksien perusteella (määritetty ratkaisun käyttöönoton aikana) toiminto julkaisee viestin SNS-aiheeseen. SNS-aihe on määritetty toimittamaan sähköposti-ilmoituksia käyttäjälle. Voit määrittää Lambda-toiminnon lisäämään URL-osoitteen Amazon SNS:lle lähetettyyn viestiin kuvan pääsyä varten (Amazon S3:lla ennalta allekirjoitettu URL-osoite). Lopuksi Lambda-toiminto lataa ennustetuloksen ja kuvan metatiedot S3-säihöön. Voit sitten käyttää Athenaa ja QuickSightia analysoimaan ja visualisoimaan S3-säihön tuloksia.
Edellytykset
Sinulla on oltava malli, joka on koulutettu ja käytettävä Rekognition Custom Labels -tunnisteiden avulla.
Rekognition Custom Labelsin avulla voit hallita koneoppimismallin koulutusprosessia Amazonin tunnistus konsoli, joka yksinkertaistaa päästä päähän mallin kehitysprosessia. Tässä viestissä käytämme luokittelumalli, joka on koulutettu havaitsemaan kasvien lehtisairaus.
Ota ratkaisu käyttöön
Asennat AWS-pilven muodostuminen malli tarvittavien resurssien, mukaan lukien S3-säihöt, SQS-jonot, SNS-aihe, Lambda-toiminnot ja AWS-henkilöllisyyden ja käyttöoikeuksien hallinta (IAM) roolit. Malli luo pinon us-east-1 -alueelle, mutta voit käyttää mallia pinon luomiseen millä tahansa alueella, jossa yllä olevat AWS-palvelut ovat saatavilla.
- Käynnistä seuraava CloudFormation-malli Alue- ja AWS-tilillä, jossa otit käyttöön Rekognition Custom Labels -mallin:
- varten Pino nimi, anna pinon nimi, esim
rekognition-customlabels-analytics-and-notification
. - varten CustomModelARN, anna käytettävän Amazon Rekognition Custom Labels -mallin ARN.
Rekognition Custom Labels -malli on otettava käyttöön samalla AWS-tilillä.
- varten Sähköposti-ilmoitus, anna sähköpostiosoite, johon haluat vastaanottaa ilmoituksia.
- varten InputBucketName, anna pinon luomalle S3-ämpärille yksilöllinen nimi; esimerkiksi,
plant-leaf-disease-data-input
.
Tänne tallennetaan saapuvat kasvien lehtikuvat.
- varten Kiinnostavat etiketit, voit kirjoittaa enintään 10 erilaista tunnistetta, joista haluat saada ilmoituksen, pilkuilla eroteltuina. Kirjoita kasvitautiesimerkillemme
bacterial-leaf-blight,leaf-smut
. - varten MinConfidence, anna vähimmäisluottamuksellinen kynnys ilmoituksen vastaanottamiseksi. Tunnisteita, jotka on havaittu luotettavuudella alle MinConfidence-arvon, ei palauteta vastauksessa, eivätkä ne luo ilmoitusta.
- varten OutputBucketName, anna pinon luomalle S3-ämpärille yksilöllinen nimi; esimerkiksi,
plant-leaf-disease-data-output
.
Tulostusalue sisältää JSON-tiedostoja, joissa on kuvan metatiedot (tunnisteet löydetty ja luottamuspisteet).
- Valita seuraava.
- On Määritä pinoasetukset -sivulla, aseta pinolle kaikki muut parametrit, mukaan lukien tagit.
- Valita seuraava.
- In Kyvyt ja muutokset -osiossa, valitse valintaruutu vahvistaaksesi, että AWS CloudFormation saattaa luoda IAM-resurssit.
- Valita Luo pino.
Pinon tietosivulla pitäisi näkyä pinon tila muodossa CREATE_IN_PROGRESS
. Tila voi muuttua 5 minuutiksi CREATE_COMPLETE
.
Amazon SNS lähettää tilausvahvistusviestin sähköpostiosoitteeseen. Sinun täytyy vahvista tilaus.
Testaa ratkaisu
Nyt kun olemme ottaneet käyttöön resurssit, olemme valmiita testaamaan ratkaisua. Varmista, että sinä käynnistä malli.
- Valitse Amazon S3 -konsolissa kauhat.
- Valitse tulo S3-ämpäri.
- Lataa testikuvat ämpäriin.
Tuotannossa voit määrittää automaattisia prosesseja kuvien toimittamiseksi tähän ämpäriin.
Nämä kuvat käynnistävät työnkulun. Jos tunnisteen luotettavuus ylittää määritetyn kynnyksen, saat seuraavanlaisen sähköposti-ilmoituksen.
Voit myös määrittää SNS-aiheen toimittamaan nämä ilmoitukset mille tahansa kohteet palvelun tukema.
Analysoi ennusteen tulokset
Kun olet testannut ratkaisun, voit laajentaa ratkaisua luomaan visuaalisen analyysin käsiteltyjen kuvien ennusteista. Käytämme tähän tarkoitukseen Athenaa, interaktiivista kyselypalvelua, jonka avulla on helppo analysoida tietoja suoraan Amazon S3:sta tavallisella SQL:llä sekä QuickSightia tietojen visualisointiin.
Määritä Athena
Jos Amazon Athena ei ole sinulle tuttu, katso tämä opetusohjelma. Luo Athena-konsolissa Athena-tietoluetteloon taulukko seuraavalla koodilla:
Täytä Location
kenttään edellisessä kyselyssä tulosryhmäsi nimellä, kuten plant-leaf-disease-data-output
.
Tämä koodi kertoo Athenalle, kuinka jokainen tekstirivi tulkitaan S3-ämpärissä.
Nyt voit tiedustella tietoja:
SELECT * FROM "default"."rekognition_customlabels_analytics" limit 10;
Määritä QuickSight
Määritä QuickSight suorittamalla seuraavat vaiheet:
- Avaa QuickSight-konsoli.
- Jos et ole rekisteröitynyt QuickSightiin, sinua pyydetään kirjautumaan. Noudata ohjeita kirjaudu käyttämään QuickSightia.
- Kun olet kirjautunut QuickSightiin, valitse Hallitse QuickSightia tilisi alla.
- Valitse siirtymisruudussa Suojaus ja käyttöoikeudet.
- Alle QuickSight-pääsy AWS-palveluihin, valitse Lisää tai poista.
Näkyviin tulee sivu, jolla QuickSight voi käyttää AWS-palveluita.
- valita Amazon Athena.
- Valitse ponnahdusikkunassa seuraava.
- Valitse S3-välilehdeltä tarvittavat S3-kauhat. Tätä viestiä varten valitsen ryhmän, joka tallentaa Athena-kyselyn tulokset.
- Valitse myös jokaiselle kauhalle Kirjoituslupa Athena Workgroupille.
- Valita Suorittaa loppuun.
- Valita Päivitykset.
- Valitse QuickSight-konsolista Uusi analyysi.
- Valita Uusi tietojoukko.
- varten aineistot, valitse Athena.
- varten Tietolähteen nimi, tulla sisään
Athena-CustomLabels-analysis
. - varten Athena-työryhmä, valitse ensisijainen.
- Valita Luo tietolähde.
- varten tietokanta, valitse
default
avattavasta valikosta. - varten taulukot, valitse taulukko
rekognition_customlabels_analytics
. - Valita Valitse.
- Valita havainnollistaa.
- On havainnollistaa sivun alla Fields luettelo, valitse etiketti ja valitse ympyräkaavio Visuaaliset tyypit.
Voit lisätä lisää visualisointeja kojelautaan. Kun analyysisi on valmis, voit valita Jaa: luodaksesi hallintapaneelin ja jakaaksesi sen organisaatiossasi.
Yhteenveto
Tässä viestissä osoitimme, kuinka voit luoda ratkaisun vastaanottaaksesi ilmoituksia tietyistä tarroista (kuten bakteerirutto tai lehtisumu), jotka löytyvät käsitellyistä kuvista käyttämällä Rekognition Custom Labels -tarroja. Lisäksi näytimme, kuinka voit luoda koontinäyttöjä tulosten visualisoimiseksi Athenen ja QuickSightin avulla.
Voit nyt helposti jakaa tällaisia visualisoinnin hallintapaneeleja yrityskäyttäjien kanssa ja antaa heidän tilata ilmoituksia sen sijaan, että joutuisit luottamaan suunnittelutiimiisi tällaisen sovelluksen rakentamisessa.
Tietoja Tekijät
Jay Rao on AWS:n pääratkaisuarkkitehti. Hän nauttii teknisen ja strategisen ohjauksen antamisesta asiakkaille ja heidän auttamisesta suunnittelemaan ja toteuttamaan AWS-ratkaisuja.
Pashmeen Mistry on Amazon Rekognition Custom Labels -tuotepäällikkö. Työn ulkopuolella Pashmeen nauttii seikkailunhaluisista vaelluksista, valokuvaamisesta ja perheen kanssa viettämisestä.
- Coinsmart. Euroopan paras Bitcoin- ja kryptopörssi.
- Platoblockchain. Web3 Metaverse Intelligence. Tietoa laajennettu. VAPAA PÄÄSY.
- CryptoHawk. Altcoinin tutka. Ilmainen kokeilu.
- Lähde: 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
- pääsy
- Tili
- toimet
- Ad
- Lisäksi
- lisä-
- osoite
- algoritmi
- Kaikki
- jo
- Amazon
- analyysi
- Analytics
- Toinen
- api
- Hakemus
- sovellukset
- arkkitehtuuri
- Automatisoitu
- saatavissa
- AWS
- reunus
- Laatikko
- rakentaa
- Rakentaminen
- liiketoiminta
- soittaa
- Voi saada
- muuttaa
- Valita
- luokittelu
- koodi
- Viestintä
- Laskea
- luottamus
- Console
- sisältää
- kustannustehokas
- kytketty
- luo
- luominen
- sato
- asiakassuhde
- Asiakkaat
- kojelauta
- tiedot
- sijoittaa
- käyttöön
- käyttöönotto
- Malli
- havaittu
- kehittäjille
- Kehitys
- eri
- suoraan
- Sairaus
- jaettu
- asiakirjat
- ei
- helposti
- mahdollistaa
- Tekniikka
- enter
- tapahtuma
- esimerkki
- asiantuntemus
- laajentaa
- perhe
- FAST
- Vihdoin
- seurata
- jälkeen
- muoto
- löytyi
- Puitteet
- toiminto
- tuottaa
- ottaa
- Miten
- Miten
- HTTPS
- tunnistaa
- Identiteetti
- kuva
- toteuttaa
- Mukaan lukien
- panos
- oivalluksia
- vuorovaikutteinen
- IT
- vain yksi
- tarrat
- oppiminen
- Lista
- sijainti
- näköinen
- kone
- koneoppiminen
- TEE
- onnistui
- johto
- johtaja
- Viestit
- minimi
- malli
- mallit
- lisää
- suunnistus
- ilmoituksen
- Operations
- Vaihtoehto
- organisaatio
- valokuvaus
- ennustus
- Ennusteet
- Pääasiallinen
- Ongelma
- prosessi
- Prosessit
- Tuotteet
- tuotanto
- tarjoamalla
- tarkoitus
- nopeasti
- reaaliaikainen
- vastaanottaa
- edellyttää
- Esittelymateriaalit
- vastaus
- tulokset
- ajaa
- juoksu
- skaalautuva
- Asteikko
- kohtaukset
- serverless
- palvelu
- Palvelut
- setti
- Jaa:
- Yksinkertainen
- ratkaisu
- Ratkaisumme
- SOLVE
- menot
- pino
- standardi
- Alkaa
- alkoi
- Osavaltio
- Tila
- Levytila
- verkkokaupasta
- varastot
- Strateginen
- merkitä
- tilaus
- Tuetut
- järjestelmä
- järjestelmät
- joukkue-
- Tekninen
- kertoo
- testi
- tuhansia
- Kautta
- aika
- koulutus
- siirtää
- unique
- käyttää
- Käyttäjät
- arvo
- lajike
- visio
- visualisointi
- sisällä
- Referenssit
- Workgroup