अमेजन रिकॉग्निशन कस्टम लेबल के साथ बैच इमेज प्रोसेसिंग 

अमेज़ॅन रेकग्निशन एक कंप्यूटर विज़न सेवा है जो सिद्ध, अत्यधिक स्केलेबल, गहरी सीखने की तकनीक का उपयोग करके आपके अनुप्रयोगों में छवि और वीडियो विश्लेषण को जोड़ना आसान बनाता है जिसे उपयोग करने के लिए किसी मशीन लर्निंग (एमएल) विशेषज्ञता की आवश्यकता नहीं होती है। अमेज़ॅन रीकोग्निशन के साथ, आप ऑब्जेक्ट्स, लोगों, टेक्स्ट, दृश्यों और छवियों और वीडियो में गतिविधियों की पहचान कर सकते हैं, साथ ही साथ किसी भी अनुचित सामग्री का पता लगा सकते हैं। अमेज़ॅन रिकॉग्निशन भी अत्यधिक सटीक चेहरे का विश्लेषण और चेहरे की खोज क्षमताओं को प्रदान करता है जिसका उपयोग आप विभिन्न प्रकार के उपयोग मामलों का पता लगाने, विश्लेषण करने और चेहरे की तुलना करने के लिए कर सकते हैं।

अमेज़ॅन रेकग्निशन कस्टम लेबल आपको उन छवियों और वस्तुओं की पहचान करने की अनुमति देता है जो आपके व्यवसाय की जरूरतों के लिए विशिष्ट हैं। उदाहरण के लिए, आप सोशल मीडिया पोस्ट्स में अपना लोगो पा सकते हैं, स्टोर अलमारियों पर अपने उत्पादों की पहचान कर सकते हैं, असेंबली लाइन में मशीन भागों को वर्गीकृत कर सकते हैं, स्वस्थ और संक्रमित पौधों को भेद कर सकते हैं, और बहुत कुछ कर सकते हैं। ब्लॉग पोस्ट अपनी खुद की ब्रांड पहचान का निर्माण छवियों और वीडियो में ब्रांड लोगो का पता लगाने के लिए एंड-टू-एंड समाधान बनाने के लिए अमेज़ॅन रीकोग्निशन कस्टम लेबल का उपयोग करना दिखाता है।

Amazon Rekognition Custom Labels एक सरल एंड-टू-एंड अनुभव प्रदान करता है जहाँ आप एक डेटासेट लेबल करके शुरू करते हैं, और Amazon Rekognition Custom Labels आपके लिए डेटा का निरीक्षण करके और सही ML एल्गोरिथ्म का चयन करके आपके लिए एक कस्टम ML मॉडल बनाता है। आपके मॉडल के प्रशिक्षित होने के बाद, आप छवि विश्लेषण के लिए तुरंत इसका उपयोग शुरू कर सकते हैं। यदि आप छवियों को बैचों में संसाधित करना चाहते हैं (जैसे कि दिन या सप्ताह में एक बार, या दिन के दौरान निर्धारित समय पर), तो आप निर्धारित समय पर अपने कस्टम मॉडल का प्रावधान कर सकते हैं।

इस पोस्ट में, हम दिखाते हैं कि आप अमेज़ॅन रीकोग्निशन कस्टम लेबल के साथ एक लागत-इष्टतम बैच समाधान कैसे बना सकते हैं जो आपके कस्टम मॉडल को निर्धारित समय पर संसाधित करता है, आपकी सभी छवियों को संसाधित करता है, और अतिरिक्त लागत से बचने के लिए आपके संसाधनों को चित्रित करता है।

समाधान का अवलोकन

निम्नलिखित आर्किटेक्चर आरेख से पता चलता है कि आप अमेज़ॅन रिकॉग्निशन कस्टम लेबल के साथ बैचों में छवियों को संसाधित करने के लिए एक लागत प्रभावी और अत्यधिक स्केलेबल वर्कफ़्लो कैसे डिज़ाइन कर सकते हैं। यह AWS जैसी सेवाओं का लाभ उठाता है अमेज़न EventBridge, AWS स्टेप फ़ंक्शंस, अमेज़ॅन सरल कतार सेवा (अमेज़न SQS), AWS लाम्बा, तथा अमेज़न सरल भंडारण सेवा (अमेज़न S3)।

यह समाधान सर्वर रहित आर्किटेक्चर और प्रबंधित सेवाओं का उपयोग करता है, इसलिए यह मांग पर पैमाना बना सकता है और इसके लिए किसी सर्वर को प्रोविजन करने और प्रबंधित करने की आवश्यकता नहीं होती है। अमेज़ॅन SQS कतार छवि प्रसंस्करण से छवि अंतर्ग्रहण को हटाकर और प्रत्येक अंतर्ग्रहण छवि के लिए संदेशों की विश्वसनीय डिलीवरी को सक्षम करके समाधान की समग्र गलती सहनशीलता को बढ़ाता है। स्टेप फंक्शंस व्यक्तिगत दृश्यों की एक श्रृंखला को ऑर्केस्ट्रेट करने के लिए दृश्य वर्कफ़्लोज़ का निर्माण करना आसान बनाता है, जैसे कि यह जांचना कि क्या अमेज़ॅन रीकोग्निशन कस्टम लेबल्स प्रोजेक्ट के राज्य जीवनचक्र के प्रसंस्करण और प्रबंधन के लिए एक छवि उपलब्ध है। हालांकि निम्नलिखित वास्तुकला से पता चलता है कि आप AWS लैंबडा का उपयोग करके अमेज़ॅन रिकॉग्निशन कस्टम लेबल्स के लिए बैच प्रोसेसिंग सॉल्यूशन कैसे बना सकते हैं, आप इस तरह की सेवाओं का उपयोग करके समान आर्किटेक्चर का निर्माण कर सकते हैं AWS फरगेट.

निम्नलिखित चरण समग्र वर्कफ़्लो का वर्णन करते हैं:

1. जैसा कि एक छवि अमेज़ॅन एस 3 बाल्टी में संग्रहीत है, यह एक संदेश को ट्रिगर करता है जो अमेज़ॅन एसक्यूएस कतार में संग्रहीत हो जाता है।
2. Amazon EventBridge को एक निश्चित आवृत्ति (डिफ़ॉल्ट रूप से 1 घंटे) पर AWS स्टेप फ़ंक्शंस वर्कफ़्लो को ट्रिगर करने के लिए कॉन्फ़िगर किया गया है।
3. जैसे ही वर्कफ़्लो चलता है, यह निम्नलिखित क्रियाएं करता है:
   1. यह Amazon SQS कतार में वस्तुओं की संख्या की जाँच करता है। यदि कतार में संसाधित करने के लिए कोई आइटम नहीं हैं, तो वर्कफ़्लो समाप्त होता है।
   2. यदि कतार में संसाधित करने के लिए आइटम हैं, तो वर्कफ़्लो अमेज़ॅन रीकोग्निशन कस्टम लेबल मॉडल शुरू करता है।
   3. वर्कफ़्लो उन छवियों को संसाधित करने के लिए AWS लैम्ब्डा फ़ंक्शन के साथ अमेज़न SQS एकीकरण को सक्षम करता है।
4. अमेज़न SQS कतार और AWS लैम्ब्डा के बीच एकीकरण सक्षम होने के बाद, निम्न घटनाएं घटित होती हैं:
   1. AWS लैंबडा ने अमेजन एसक्यूएस से छवि विवरण के साथ संदेशों को संसाधित करना शुरू किया।
   2. AWS लैम्ब्डा फ़ंक्शन छवियों को संसाधित करने के लिए अमेज़ॅन रिकॉग्निशन कस्टम लेबल प्रोजेक्ट का उपयोग करता है।
   3. AWS लेम्बडा फ़ंक्शन तब JSON फ़ाइल को अंतिम बकेट में अनुमानित लेबल के साथ रखता है। छवि को स्रोत बाल्टी से अंतिम बाल्टी में भी ले जाया जाता है।
5. जब सभी चित्र संसाधित होते हैं, तो AWS स्टेप फ़ंक्शंस वर्कफ़्लो निम्नलिखित करता है:
   1. यह Amazon Rekognition Custom Labels मॉडल को बंद कर देता है।
   2. यह ट्रिगर को अक्षम करके अमेज़न SQS कतार और AWS लैम्ब्डा फ़ंक्शन के बीच एकीकरण को अक्षम करता है।

निम्न आरेख इस समाधान के लिए AWS स्टेप फ़ंक्शंस स्टेट मशीन दिखाता है।

.. पूर्वापेक्षाएँ

इस समाधान को लागू करने के लिए, आपको निम्नलिखित आवश्यक शर्तें चाहिए:

• उपयोग करने वाले समाधान को तैनात करने की अनुमति के साथ एक एडब्ल्यूएस खाता एडब्ल्यूएस CloudFormation, जो बनाता है AWS पहचान और अभिगम प्रबंधन (IAM) भूमिकाएं और अन्य संसाधन।
•  Amazon Rekognition Custom Labels परियोजना के अमेज़ॅन संसाधन नाम (ARN) (के रूप में संदर्भित) प्रोजेक्टअर्न) और मॉडल संस्करण का अमेज़ॅन संसाधन नाम (ARN) जिसे मॉडल के प्रशिक्षण के बाद बनाया गया था (जैसा कि संदर्भित किया गया है परियोजनासंस्करणअर्न) का है। मॉडल की स्थिति की जांच करने और मॉडल का उपयोग करके छवियों का विश्लेषण करने के लिए इन मूल्यों की आवश्यकता होती है।

मॉडल को प्रशिक्षित करने का तरीका जानने के लिए, देखें Amazon Rekognition Custom Labels के साथ शुरुआत करना.

तैनाती

अपने AWS खाते में AWS CloudFormation का उपयोग करके समाधान को तैनात करने के लिए, निम्न चरणों का पालन करें गीथहब रेपो। यह निम्नलिखित संसाधन बनाता है:

• अमेज़न S3 बाल्टी
• अमेज़न SQS कतार
• AWS स्टेप फंक्शन्स वर्कफ़्लो
• अमेज़न EventBridge वर्कफ़्लो को ट्रिगर करने के लिए नियम
• IAM भूमिकाएं
• AWS लाम्बा फ़ंक्शंस

के आउटपुट अनुभाग में समाधान द्वारा बनाए गए विभिन्न संसाधनों के नाम देख सकते हैं CloudFormation स्टैक.

वर्कफ़्लो का परीक्षण

अपने वर्कफ़्लो का परीक्षण करने के लिए, निम्नलिखित चरणों को पूरा करें:

1. नमूना छवियों को उस इनपुट S3 बाल्टी पर अपलोड करें जो समाधान द्वारा बनाई गई थी (उदाहरण के लिए, xxxx-source3bucket-xxxx)।
2. स्टेप फ़ंक्शंस कंसोल पर, समाधान द्वारा बनाई गई राज्य मशीन चुनें (उदाहरण के लिए, CustomCVStateMachine-xxxx)।

आपको यह देखना चाहिए कि अमेज़ॅन इवेंटब्रिज नियम द्वारा हर घंटे राज्य मशीन चालू हो जाती है।

3. आप मैन्युअल रूप से चुनकर वर्कफ़्लो शुरू कर सकते हैं अमल शुरू करो.
4. जैसा कि छवियों को संसाधित किया जाता है, आप प्रत्येक छवि के लिए JSON आउटपुट देखने के लिए आउटपुट S3 बाल्टी (उदाहरण के लिए, xxxx-finals3bucket-xxxx) पर जा सकते हैं।

निम्न स्क्रीनशॉट छवियों के साथ अंतिम S3 बाल्टी की सामग्री को दिखाता है, साथ ही अमेज़ॅन रेकग्निशन नेटवर्क्स से उनके JSON आउटपुट के साथ।

निष्कर्ष

इस पोस्ट में, हमने दिखाया कि आप अमेज़ॅन रीकोग्निशन कस्टम लेबल के साथ एक लागत-इष्टतम बैच समाधान कैसे बना सकते हैं जो आपके कस्टम मॉडल को निर्धारित समय पर संसाधित कर सकते हैं, आपकी सभी छवियों को संसाधित कर सकते हैं, और अतिरिक्त लागत से बचने के लिए अपने संसाधनों को हटा सकते हैं। आपके उपयोग के मामले के आधार पर, आप आसानी से निर्धारित समय विंडो को समायोजित कर सकते हैं जिस पर समाधान को बैच की प्रक्रिया करनी चाहिए। मॉडल बनाने, प्रशिक्षण, मूल्यांकन और उपयोग करने के तरीके के बारे में अधिक जानकारी के लिए, चित्रों में वस्तुओं, दृश्यों और अवधारणाओं का पता लगाता है Amazon Rekognition Custom Labels के साथ शुरुआत करना.

जबकि इस पोस्ट में वर्णित समाधान से पता चला है कि आप अमेजन रिकॉग्निशन कस्टम लेबल के साथ बैच इमेज कैसे प्रोसेस कर सकते हैं, आप आसानी से बैच इमेज प्रोसेस करने के लिए सॉल्यूशन को ट्वीक कर सकते हैं। अमेज़ॅन लुकआउट फॉर विज़न दोष और विसंगतियों का पता लगाने के लिए। विज़न के लिए अमेज़ॅन लुकआउट के साथ, निर्माण कंपनियां गुणवत्ता में वृद्धि कर सकती हैं और पैमाने पर वस्तुओं की छवियों में अंतर को जल्दी से पहचानकर परिचालन लागत को कम कर सकती हैं। उदाहरण के लिए, विज़न के लिए अमेज़ॅन लुकआउट का उपयोग उत्पादों में लापता घटकों, वाहनों या संरचनाओं को नुकसान, उत्पादन लाइनों में अनियमितता, सिलिकॉन वेफर्स में माइनसक्यूल दोष और अन्य समान समस्याओं की पहचान करने के लिए किया जा सकता है। अमेज़ॅन लुकआउट फॉर विज़न के बारे में अधिक जानने के लिए, देखें डेवलपर गाइड.

---

लेखक के बारे में

राहुल श्रीवास्तव अमेज़ॅन वेब सेवाओं में एक वरिष्ठ समाधान वास्तुकार है और यूनाइटेड किंगडम में स्थित है। उसके पास बड़े उद्यम ग्राहकों के साथ काम करने का व्यापक वास्तुकला अनुभव है। वह हमारे ग्राहकों को वास्तुकला, क्लाउड अपनाने, विकासशील उत्पादों के साथ मदद कर रहा है और वास्तविक विश्व व्यापार समस्याओं को हल करने के लिए एआई / एमएल का लाभ उठा रहा है।

काशिफ इमरान अमेजन वेब सर्विसेज में एक प्रिंसिपल सॉल्यूशन आर्किटेक्ट है। वह कुछ सबसे बड़े AWS ग्राहकों के साथ काम करता है जो जटिल व्यावसायिक समस्याओं को हल करने के लिए AI / ML का लाभ ले रहे हैं। वह पैमाने पर कंप्यूटर दृष्टि अनुप्रयोगों को लागू करने के लिए तकनीकी मार्गदर्शन और डिजाइन सलाह प्रदान करता है। उनकी विशेषज्ञता अनुप्रयोग वास्तुकला, सर्वर रहित, कंटेनर, NoSQL और मशीन लर्निंग तक फैला है।

स्रोत: https://aws.amazon.com/blogs/machine-learning/batch-image-processing-with-amazon-rekognition-custom-labels/