Amazon Rekognition Custom Labels के लिए मॉडल कॉपी फीचर के लॉन्च की घोषणा

अमेज़ॅन रेकग्निशन कस्टम लेबल पूरी तरह से प्रबंधित कंप्यूटर विज़न सेवा है जो डेवलपर्स को आपके व्यवसाय के लिए विशिष्ट और अद्वितीय छवियों में वस्तुओं को वर्गीकृत करने और पहचानने के लिए कस्टम मॉडल बनाने की अनुमति देती है। मान्यता कस्टम लेबल के लिए आपको किसी पूर्व कंप्यूटर विज़न विशेषज्ञता की आवश्यकता नहीं होती है। उदाहरण के लिए, आप सोशल मीडिया पोस्ट में अपना लोगो ढूंढ सकते हैं, स्टोर शेल्फ़ पर अपने उत्पादों की पहचान कर सकते हैं, मशीन के पुर्जों को असेंबली लाइन में वर्गीकृत कर सकते हैं, स्वस्थ और संक्रमित पौधों में अंतर कर सकते हैं, या वीडियो में एनिमेटेड पात्रों का पता लगा सकते हैं।

छवियों का विश्लेषण करने के लिए एक कस्टम मॉडल विकसित करना एक महत्वपूर्ण उपक्रम है जिसके लिए समय, विशेषज्ञता और संसाधनों की आवश्यकता होती है, जिसे पूरा होने में अक्सर महीनों लग जाते हैं। इसके अतिरिक्त, मॉडल को सटीक रूप से निर्णय लेने के लिए पर्याप्त डेटा प्रदान करने के लिए अक्सर हजारों या दसियों हज़ारों हाथ-लेबल वाली छवियों की आवश्यकता होती है। इस डेटा को तैयार करने में महीनों लग सकते हैं और इसे मशीन लर्निंग (एमएल) में उपयोग के लिए तैयार करने के लिए लेबलर्स की बड़ी टीमों की आवश्यकता होती है।

मान्यता कस्टम लेबल की मौजूदा क्षमताओं का निर्माण करता है अमेज़ॅन रेकग्निशन, जो पहले से ही कई श्रेणियों में लाखों छवियों पर प्रशिक्षित हैं। हजारों छवियों के बजाय, आपको केवल प्रशिक्षण छवियों का एक छोटा सेट (आमतौर पर कुछ सौ छवियां या उससे कम) अपलोड करने की आवश्यकता होती है जो अमेज़ॅन रिकॉग्निशन कंसोल का उपयोग करके आपके उपयोग के मामले के लिए विशिष्ट हैं। यदि छवियों को पहले से ही लेबल किया गया है, तो आप कुछ ही क्लिक में एक मॉडल का प्रशिक्षण शुरू कर सकते हैं। यदि नहीं, तो आप उन्हें सीधे पहचान कस्टम लेबल कंसोल पर लेबल कर सकते हैं, या उपयोग कर सकते हैं अमेज़ॅन सैजमेकर ग्राउंड ट्रुथ उन्हें लेबल करने के लिए। रिकॉग्निशन कस्टम लेबल स्वचालित रूप से प्रशिक्षण डेटा का निरीक्षण करने, सही मॉडल ढांचे और एल्गोरिदम का चयन करने, हाइपरपैरामीटर को अनुकूलित करने और मॉडल को प्रशिक्षित करने के लिए स्थानांतरण सीखने का उपयोग करता है। जब आप मॉडल की सटीकता से संतुष्ट हो जाते हैं, तो आप केवल एक क्लिक से प्रशिक्षित मॉडल को होस्ट करना शुरू कर सकते हैं।

आज हमें रिकॉग्निशन कस्टम लेबल मॉडल कॉपी फीचर के लॉन्च की घोषणा करते हुए खुशी हो रही है। यह सुविधा आपको अपने रिकॉग्निशन कस्टम लेबल मॉडल को परियोजनाओं में कॉपी करने की अनुमति देती है, जो एक ही एडब्ल्यूएस खाते में या एक ही एडब्ल्यूएस क्षेत्र में एडब्ल्यूएस खातों में हो सकता है, बिना मॉडल को फिर से प्रशिक्षित किए। यह नई क्षमता आपके लिए मूल प्रशिक्षण और परीक्षण डेटासेट की प्रतिलिपि बनाने और मॉडल को फिर से प्रशिक्षित किए बिना विकास, गुणवत्ता आश्वासन, एकीकरण और उत्पादन जैसे विभिन्न वातावरणों के माध्यम से पहचान कस्टम लेबल मॉडल को स्थानांतरित करना आसान बनाती है। आप का उपयोग कर सकते हैं AWS कमांड लाइन इंटरफ़ेस (एडब्ल्यूएस सीएलआई) परियोजनाओं में प्रशिक्षित मॉडल की प्रतिलिपि बनाने के लिए, जो एक ही एडब्ल्यूएस खाते में या एडब्ल्यूएस खातों में हो सकते हैं।

इस पोस्ट में, हम आपको दिखाते हैं कि एक ही AWS क्षेत्र में विभिन्न AWS खातों के बीच मॉडल कैसे कॉपी करें।

मॉडल कॉपी फीचर के लाभ

इस नई सुविधा के निम्नलिखित लाभ हैं:

• बहु-खाता ML-Ops सर्वोत्तम अभ्यास - आप एक मॉडल को एक बार प्रशिक्षित कर सकते हैं और विकास, गुणवत्ता आश्वासन, एकीकरण, और उत्पादन जैसे विभिन्न वातावरणों के लिए मैप किए गए कई खातों में लगातार परिणामों के साथ अनुमानित परिनियोजन सुनिश्चित कर सकते हैं जिससे आप अपने संगठन के भीतर एमएल-ऑप्स सर्वोत्तम प्रथाओं का पालन कर सकते हैं।
• लागत बचत और तेजी से तैनाती - आप प्रत्येक खाते में फिर से प्रशिक्षित होने में लगने वाले समय से बचते हुए और मॉडल पुनर्प्रशिक्षण लागत पर बचत करते हुए, खातों के बीच एक प्रशिक्षित मॉडल को जल्दी से कॉपी कर सकते हैं।
• संवेदनशील डेटासेट को सुरक्षित रखें - अब आपको अलग-अलग AWS खातों या उपयोगकर्ताओं के बीच डेटासेट साझा करने की आवश्यकता नहीं है। प्रशिक्षण डेटा केवल एडब्ल्यूएस खाते पर उपलब्ध होना चाहिए जहां मॉडल प्रशिक्षण किया जाता है। यह कुछ उद्योगों के लिए बहुत महत्वपूर्ण है, जहां व्यापार या नियामक आवश्यकताओं को पूरा करने के लिए डेटा अलगाव आवश्यक है।
• आसान सहयोग - भागीदार या विक्रेता अब अपने स्वयं के AWS खाते में Amazon Rekognition Custom Labels मॉडल को आसानी से प्रशिक्षित कर सकते हैं और मॉडल को AWS खातों के उपयोगकर्ताओं के साथ साझा कर सकते हैं।
• लगातार प्रदर्शन - मॉडल का प्रदर्शन अब विभिन्न AWS खातों में एक जैसा है। मॉडल प्रशिक्षण आम तौर पर गैर-नियतात्मक होता है और एक ही डेटासेट से प्रशिक्षित दो मॉडल समान प्रदर्शन स्कोर और समान भविष्यवाणियों की गारंटी नहीं देते हैं। मॉडल की प्रतिलिपि बनाने से यह सुनिश्चित करने में मदद मिलती है कि कॉपी किए गए मॉडल का व्यवहार मॉडल के पुन: परीक्षण की आवश्यकता को समाप्त करने वाले स्रोत मॉडल के अनुरूप है।

समाधान अवलोकन

निम्नलिखित चित्र हमारे समाधान वास्तुकला को दर्शाता है।

यह पोस्ट मानती है कि आपके स्रोत खाते में एक प्रशिक्षित पहचान कस्टम लेबल मॉडल है। निर्देशों के लिए, देखें Amazon Rekognition Custom Labels के साथ कस्टम सिंगल क्लास ऑब्जेक्ट डिटेक्शन मॉडल का प्रशिक्षण. इस पोस्ट में, हमने रिकॉग्निशन कस्टम लेबल से छवि वर्गीकरण "कमरे" प्रोजेक्ट का उपयोग किया है नमूना परियोजनाओं की सूची और रसोई, स्नानघर, रहने वाले कमरे, और बहुत कुछ की छवियों को वर्गीकृत करने के लिए स्रोत खाते में एक कमरा वर्गीकरण मॉडल प्रशिक्षित किया।

मॉडल कॉपी सुविधा की कार्यक्षमता प्रदर्शित करने के लिए, हम स्रोत खाते में निम्नलिखित चरणों से गुजरते हैं:

1. मॉडल प्रारंभ करें और नमूना छवियों पर अनुमान चलाएँ।
2. पहचान कस्टम लेबल मॉडल की प्रतिलिपि बनाने के लिए क्रॉस-अकाउंट एक्सेस की अनुमति देने के लिए संसाधन-आधारित नीति को परिभाषित करें।

फिर हम स्रोत मॉडल को लक्ष्य खाते में कॉपी करते हैं।

3. एक बनाएं अमेज़न सरल भंडारण सेवा (अमेज़ॅन S3) बकेट, जो मॉडल मूल्यांकन और प्रदर्शन आंकड़ों के लिए एक कंटेनर के रूप में कार्य करता है।
4. एक प्रोजेक्ट बनाएं।
5. प्रशिक्षित मॉडल को स्रोत खाते से लक्ष्य खाते में कॉपी करें।
6. मॉडल प्रारंभ करें और नमूना छवियों पर अनुमान चलाएँ।
7. सत्यापित करें कि अनुमान परिणाम स्रोत खाता मॉडल के परिणामों से मेल खाते हैं।

.. पूर्वापेक्षाएँ

अपने स्रोत खाते में एक प्रशिक्षित मॉडल रखने के अलावा, सुनिश्चित करें कि आप निम्नलिखित आवश्यक चरणों को पूरा करते हैं:

1. एडब्ल्यूएस सीएलआई V2 स्थापित करें।
2. निम्नलिखित कोड के साथ अपना AWS CLI कॉन्फ़िगर करें और अपना क्षेत्र दर्ज करें:

   aws configure

3. यह सुनिश्चित करने के लिए कि आपके स्थानीय होस्ट पर AWS CLI संस्करण 2.xx स्थापित है, निम्नलिखित कमांड चलाएँ:

   aws --version

4. के अंतर्गत AWS क्रेडेंशियल फ़ाइल को अपडेट करें $HOME/.aws/credentials निम्नलिखित प्रविष्टि के साथ:

   [source-account]
   aws_access_key_id = ####
   aws_secret_access_key = #######
   
   [target-account]
   aws_access_key_id = ####
   aws_secret_access_key = #######

5. हो जाओ ProjectArn और ProjectVersionArn स्रोत एडब्ल्यूएस खाते के लिए।ProjectArn आपके स्रोत मॉडल से जुड़ी परियोजना है। ProjectVersionArn उस मॉडल का संस्करण है जिसे आप लक्षित खाते में कॉपी करने में रुचि रखते हैं। आप पा सकते हैं SourceProjectArn निम्नलिखित आदेश का उपयोग कर:

   aws rekognition describe-projects 
   --region us-east-1 
   --profile source-account
   
   {
       "ProjectDescriptions": [{
           "ProjectArn": "arn:aws:rekognition:us-east-1::111111111111:project/rooms_1/1657588855531",
           .
           .
       }]
   }

   यदि आप आउटपुट की कई पंक्तियाँ देखते हैं, तो चुनें ProjectArn आप जिस मॉडल की प्रतिलिपि बनाने जा रहे हैं, उससे संबद्ध है।

   आप पा सकते हैं SourceProjectVersionArn आपके द्वारा प्रशिक्षित मॉडल के लिए SourceProjectArn (पूर्ववर्ती आउटपुट)। बदलो SourceProjectArn निम्न आदेश में:

   aws rekognition describe-project-versions 
   --project-arn SourceProjectArn 
   --region us-east-1 
   --profile source-account

   आदेश देता है SourceProjectVersionArn. यदि आप आउटपुट की कई पंक्तियाँ देखते हैं, तो चुनें ProjectVersionArn ब्याज की।

   {
       "ProjectVersionDescriptions": [
           {
               "ProjectVersionArn": "arn:aws:rekognition:us-east-1:111111111111:project/rooms_1/version/rooms_1.2022-07-12T09.39.36/1657643976475",
               .
               .
           }
       ]
   }

अब आप समाधान को लागू करने के लिए चरणों को चलाने के लिए तैयार हैं। के मानों को बदलें SourceProjectArn और SourceProjectVersionArn आपके द्वारा जेनरेट किए गए मानों के साथ निम्न आदेशों में।

1. मॉडल शुरू करें और नमूना छवियों पर अनुमान चलाएं

स्रोत खाते में, मॉडल शुरू करने के लिए निम्नलिखित कोड दर्ज करें:

aws rekognition start-project-version 
--project-version-arn SourceProjectVersionArn 
--min-inference-units 1 
--region us-east-1 
--profile source-account
{
    "Status": "STARTING"
}

मॉडल की मेजबानी के बाद और चालू स्थिति में, आप अनुमान चला सकते हैं।

हमने अनुमान चलाने के लिए निम्नलिखित छवियों (demo1.jpeg और demo2.jpeg) का उपयोग किया। ये छवियां हमारे स्थानीय फाइल सिस्टम में उसी निर्देशिका में स्थित हैं जहां से एडब्ल्यूएस सीएलआई कमांड चलाए जा रहे हैं।

निम्न छवि डेमो1.जेपीईजी है, जो एक पिछवाड़े दिखाती है।

निम्नलिखित अनुमान कोड और आउटपुट देखें:

aws rekognition detect-custom-labels 
--project-version-arn SourceProjectVersionArn   
--image-bytes fileb://demo1.jpeg 
--region us-east-1 
--profile source-account
{
    "Name": "backyard",
    "Confidence": 45.77000045776367
 }

निम्न छवि डेमो2.जेपीईजी है, जो एक शयनकक्ष दिखाती है।

निम्नलिखित अनुमान कोड और आउटपुट देखें:

aws rekognition detect-custom-labels 
--project-version-arn SourceProjectVersionArn   
--image-bytes fileb://demo2.jpeg 
--region us-east-1 
--profile source-account
{
    "Name": "bedroom",
    "Confidence": 61.84600067138672
 }

निष्कर्ष परिणाम दिखाते हैं कि छवि वर्गों की है backyard और bedroom, क्रमशः 45.77 और 61.84 के आत्मविश्वास स्कोर के साथ।

2. क्रॉस-अकाउंट एक्सेस की अनुमति देने के लिए प्रशिक्षित मॉडल के लिए IAM संसाधन नीति को परिभाषित करें

अपनी संसाधन-आधारित IAM नीति बनाने के लिए, स्रोत खाते में निम्नलिखित चरणों को पूरा करें:

1. अपने विशिष्ट AWS खाते को प्रदान की गई IAM संसाधन नीति का उपयोग करके संसाधनों तक पहुँचने की अनुमति दें (अधिक जानकारी के लिए, देखें एक परियोजना नीति दस्तावेज बनाना. के लिए मान बदलें TargetAWSAccountId और SourceProjectVersionArn निम्नलिखित नीति में:

   {
       "Version": "2012-10-17",
       "Statement": [
           {
               "Principal": {
                   "AWS": [ "TargetAWSAccountId" ]
               },
               "Action": "Rekognition:CopyProjectVersion",
               "Resource": "SourceProjectVersionArn",
               "Effect": "Allow"
           }
       ]
   }

2. निम्न आदेश को कॉल करके नीति को स्रोत खाते में प्रोजेक्ट में संलग्न करें।

   aws rekognition put-project-policy 
   --project-arn SourceProjectArn 
   --policy-name PolicyName 
   --policy-document '{
       "Version": "2012-10-17",
       "Statement": [
           {
               "Principal": {
                   "AWS": [ "TargetAWSAccountId" ]
               },
               "Action": "Rekognition:CopyProjectVersion",
               "Resource": "SourceProjectVersionArn",
               "Effect": "Allow"
           }
       ]
   }' 
   --region us-east-1 
   --profile source-account

   बदलें SourceProjectArn, PolicyName, TargetAWSAccountId, तथा SourceProjectVersionArn.

   आउटपुट बनाई गई नीति संशोधन आईडी दिखाता है:

   {
       "PolicyRevisionId": "f95907f9c1472c114f61b0e1f31ed131"
   }

अब हम प्रशिक्षित मॉडल को स्रोत खाते से लक्ष्य खाते में कॉपी करने के लिए तैयार हैं.

3. लक्ष्य खाते में एक S3 बकेट बनाएं

आप अपने खाते में मौजूदा S3 बकेट का उपयोग कर सकते हैं या एक नया S3 बकेट बना सकते हैं। इस पोस्ट के लिए, हम इसे S3 बकेट कहते हैं DestinationS3Bucket.

4. एक नया पहचान कस्टम लेबल प्रोजेक्ट बनाएं

निम्नलिखित कोड के साथ एक नया प्रोजेक्ट बनाएं:

aws rekognition create-project 
--project-name target_rooms_1 
--region us-east-1 
--profile target-account 

यह एक बनाता है TargetProjectArn लक्ष्य खाते में:

{
    "ProjectArn": "arn:aws:rekognition:us-east-1:222222222222:project/target_rooms_1/1657599660206"
}

गंतव्य परियोजना के मूल्य पर ध्यान दें ProjectArn खेत। हम इस मान का उपयोग निम्नलिखित कॉपी मॉडल कमांड में करते हैं।

5. मॉडल को स्रोत खाते से लक्ष्य खाते में कॉपी करें

स्रोत और लक्ष्य की आपूर्ति करें ProjectArn, स्रोत ProjectVersionArn, और निम्न कोड में S3 बकेट और S3 कुंजी उपसर्ग को लक्षित करें:

aws rekognition copy-project-version 
--source-project-arn SourceProjectArn 
--source-project-version-arn SourceProjectVersionArn 
--destination-project-arn TargetProjectArn 
--version-name TargetVersionName 
--output-config '{"S3Bucket":"DestinationS3Bucket", "S3KeyPrefix":"DestinationS3BucketPrefix"}' 
--region us-east-1 
--profile target-account

यह एक कॉपी किया गया मॉडल बनाता है TargetProjectVersionArn लक्ष्य खाते में। TargetVersionName हमारे मामले में नामित किया गया है copy_rooms_1:

{
    "ProjectVersionArn": "arn:aws:rekognition:us-east-1:222222222222:project/target_rooms_1/version/copy_rooms_1/1657667877079"
}

मॉडल कॉपी प्रक्रिया की स्थिति की जाँच करें:

aws rekognition describe-project-versions 
--project-arn TargetProjectArn 
--version-names TargetVersionName 
--region us-east-1 
--profile target-account

स्रोत खाते से लक्ष्य खाते में मॉडल प्रतिलिपि पूर्ण होने पर Status में परिवर्तन COPYING_COMPLETED:

 {
    "ProjectVersionDescriptions": [
        {
            "ProjectVersionArn": "arn:aws:rekognition:us-east-1:222222222222:project/target_rooms_1/version/copy_rooms_1/1657667877079",
            "CreationTimestamp": "2022-07-12T16:17:57.079000-07:00",
            "Status": "COPYING_COMPLETED",
            "StatusMessage": "Model copy operation was successful",
            ..........
            ..........
            "EvaluationResult": {
                "F1Score": 0.0,
                "Summary": {

6. मॉडल शुरू करें और अनुमान चलाएं

लक्ष्य खाते में मॉडल शुरू करने के लिए निम्नलिखित कोड दर्ज करें:

aws rekognition start-project-version 
--project-version-arn TargetProjectArn 
--min-inference-units 1 
--region us-east-1 
--profile target-account
{
    "Status": "STARTING"
}

मॉडल की स्थिति की जाँच करें:

aws rekognition describe-project-versions 
--project-arn TargetProjectArn 
--version-names copy_rooms_1 
--region us-east-1 
--profile target-account

मॉडल अब होस्ट किया गया है और चल रहा है:

{
    "ProjectVersionDescriptions": [
        {
            "ProjectVersionArn": "arn:aws:rekognition:us-east-1:222222222222:project/target_rooms_1/version/copy_rooms_1/1657667877079",
            "CreationTimestamp": "2022-07-12T16:17:57.079000-07:00",
            "MinInferenceUnits": 1,
            "Status": "RUNNING",
            "StatusMessage": "The model is running.",
            ..........
            ..........
        }
    ]
}

निम्नलिखित कोड के साथ अनुमान चलाएँ:

aws rekognition detect-custom-labels 
 --project-version-arn TargetProjectVersionArn 
 --image-bytes fileb://demo1.jpeg 
 --region us-east-1 
 --profile target-account
{
    "Name": "backyard",
    "Confidence": 45.77000045776367
 }
aws rekognition detect-custom-labels 
 --project-version-arn TargetProjectVersionArn 
 --image-bytes fileb://demo2.jpeg 
 --region us-east-1 
 --profile target-account
{
    "Name": "bedroom",
    "Confidence": 61.84600067138672

7. निष्कर्ष परिणाम मिलान सत्यापित करें

लक्ष्य खाते में डेमो1.जेपीजी और डेमो2.जेपीजी छवियों के लिए कक्षाएं और आत्मविश्वास स्कोर स्रोत खाते के परिणामों से मेल खाना चाहिए।

निष्कर्ष

इस पोस्ट में, हमने रिकॉग्निशन कस्टम लेबल मॉडल कॉपी फीचर का प्रदर्शन किया। यह सुविधा आपको एक खाते में वर्गीकरण या ऑब्जेक्ट डिटेक्शन मॉडल को प्रशिक्षित करने और फिर उसी क्षेत्र में दूसरे खाते के साथ मॉडल साझा करने में सक्षम बनाती है। यह बहु-खाता रणनीति को सरल करता है जहां मॉडल को एक बार प्रशिक्षित किया जा सकता है और प्रशिक्षण डेटासेट को फिर से प्रशिक्षित या साझा किए बिना उसी क्षेत्र के खातों के बीच साझा किया जा सकता है। यह आपके एमएलओपीएस कार्यप्रवाह के हिस्से के रूप में प्रत्येक खाते में एक अनुमानित परिनियोजन की अनुमति देता है। अधिक जानकारी के लिए देखें Amazon Rekognition कस्टम लेबल मॉडल की प्रतिलिपि बनाना, या AWS CLI के साथ क्लाउड शेल का उपयोग करके इस पोस्ट में पूर्वाभ्यास का प्रयास करें।

इस लेखन के समय, Amazon Rekognition Custom Labels में मॉडल कॉपी फीचर निम्नलिखित क्षेत्रों में उपलब्ध है:

• यूएस ईस्ट (ओहियो)
• यूएस ईस्ट (एन। वर्जीनिया)
• यूएस वेस्ट (ओरेगन)
• एशिया प्रशांत (मुंबई)
• एशिया प्रशांत (सियोल)
• एशिया प्रशांत (सिंगापुर)
• एशिया पैसिफिक (सिडनी)
• एशिया पैसिफिक (टोक्यो)
• EU (फ्रैंकफर्ट)
• यूरोपीय संघ (आयरलैंड)
• EU (लंदन)

इस सुविधा को आज़माएं, और कृपया हमें इसके माध्यम से प्रतिक्रिया भेजें AWS फोरम Amazon Rekognition के लिए या आपके AWS समर्थन संपर्कों के माध्यम से।

लेखक के बारे में

अमित गुप्ता एडब्ल्यूएस में वरिष्ठ एआई सर्विसेज सॉल्यूशंस आर्किटेक्ट हैं। वह बड़े पैमाने पर अच्छी तरह से आर्किटेक्टेड मशीन लर्निंग सॉल्यूशंस के साथ ग्राहकों को सक्षम बनाने के बारे में भावुक हैं।

योगेश चतुर्वेदी कंप्यूटर विज़न पर ध्यान देने के साथ AWS में सॉल्यूशन आर्किटेक्ट हैं। वह क्लाउड तकनीकों का उपयोग करके ग्राहकों की व्यावसायिक चुनौतियों का समाधान करने के लिए उनके साथ काम करता है। काम के बाहर, उन्हें लंबी पैदल यात्रा, यात्रा करना और खेल देखना पसंद है।

आकाश दीप एडब्ल्यूएस के साथ एक वरिष्ठ सॉफ्टवेयर इंजीनियर हैं। उन्हें कंप्यूटर विजन, एआई और डिस्ट्रिब्यूटेड सिस्टम पर काम करने में मजा आता है। काम के बाहर, उन्हें लंबी पैदल यात्रा और यात्रा करना पसंद है।

पश्मीन मिस्त्री Amazon Rekognition Custom Labels के वरिष्ठ उत्पाद प्रबंधक हैं। काम के अलावा, पश्मीन को एडवेंचरस हाइक, फोटोग्राफी और अपने परिवार के साथ समय बिताना पसंद है।