अमेज़ॅन रेकग्निशन एक कंप्यूटर विज़न सेवा है जो सिद्ध, अत्यधिक स्केलेबल, डीप लर्निंग तकनीक का उपयोग करके आपके अनुप्रयोगों में छवि और वीडियो विश्लेषण को जोड़ना आसान बनाती है जिसमें मशीन लर्निंग (एमएल) विशेषज्ञता की आवश्यकता नहीं होती है। Amazon रिकॉग्निशन के साथ, आप छवियों और वीडियो में वस्तुओं, लोगों, पाठ, दृश्यों और गतिविधियों की पहचान कर सकते हैं और अनुचित सामग्री का पता लगा सकते हैं। Amazon Recognition अत्यधिक सटीक चेहरे का विश्लेषण और चेहरे की खोज क्षमता भी प्रदान करता है जिसका उपयोग आप विभिन्न प्रकार के उपयोग मामलों के लिए चेहरों का पता लगाने, विश्लेषण करने और तुलना करने के लिए कर सकते हैं।
अमेज़ॅन रेकग्निशन कस्टम लेबल अमेज़ॅन रिकॉग्निशन की एक विशेषता है जो आपके विशिष्ट उपयोग के मामले में अद्वितीय वस्तुओं और दृश्यों का पता लगाने के लिए अपनी विशेष एमएल-आधारित छवि विश्लेषण क्षमताओं का निर्माण करना आसान बनाती है।
रिकॉग्निशन कस्टम लेबल के कुछ सामान्य उपयोग के मामलों में सोशल मीडिया पोस्ट में अपना लोगो ढूंढना, स्टोर शेल्फ पर अपने उत्पादों की पहचान करना, असेंबली लाइन में मशीन के पुर्जों को वर्गीकृत करना, स्वस्थ और संक्रमित पौधों के बीच अंतर करना, और बहुत कुछ शामिल हैं।
अमेज़न मान्यता लेबल ब्रुकलिन ब्रिज, कोलोसियम, एफिल टॉवर, माचू पिचू, ताजमहल जैसे लोकप्रिय स्थलों का समर्थन करता है, और अधिक। यदि आपके पास अन्य लैंडमार्क या भवन हैं जो अभी तक Amazon Rekognition द्वारा समर्थित नहीं हैं, तो भी आप Amazon Rekognition Custom Labels का उपयोग कर सकते हैं।
इस पोस्ट में, हम सिएटल में अमेज़ॅन क्षेत्रों की इमारत का पता लगाने के लिए रिकॉग्निशन कस्टम लेबल का उपयोग करके प्रदर्शित करते हैं।
रिकॉग्निशन कस्टम लेबल्स के साथ, AWS आपके लिए भारी उठाने का ख्याल रखता है। रिकॉग्निशन कस्टम लेबल Amazon रिकॉग्निशन की मौजूदा क्षमताओं का निर्माण करता है, जो पहले से ही कई श्रेणियों में लाखों छवियों पर प्रशिक्षित है। हजारों छवियों के बजाय, आपको केवल प्रशिक्षण छवियों का एक छोटा सेट (आमतौर पर कुछ सौ चित्र या उससे कम) अपलोड करने की आवश्यकता होती है जो हमारे सरल कंसोल के माध्यम से आपके उपयोग के मामले के लिए विशिष्ट हैं। Amazon Recognition कुछ ही क्लिक में प्रशिक्षण शुरू कर सकता है। Amazon Rekognition द्वारा आपके छवि सेट से प्रशिक्षण शुरू करने के बाद, यह कुछ मिनटों या घंटों के भीतर आपके लिए एक कस्टम छवि विश्लेषण मॉडल तैयार कर सकता है। पर्दे के पीछे, रिकॉग्निशन कस्टम लेबल स्वचालित रूप से प्रशिक्षण डेटा को लोड और निरीक्षण करता है, उपयुक्त एमएल एल्गोरिदम का चयन करता है, एक मॉडल को प्रशिक्षित करता है, और मॉडल प्रदर्शन मेट्रिक्स प्रदान करता है। फिर आप Rekognition Custom Labels API के माध्यम से अपने कस्टम मॉडल का उपयोग कर सकते हैं और इसे अपने एप्लिकेशन में एकीकृत कर सकते हैं।
समाधान अवलोकन
हमारे उदाहरण के लिए, हम उपयोग करते हैं अमेज़न क्षेत्रों सिएटल में इमारत। हम रिकॉग्निशन कस्टम लेबल का उपयोग करके एक मॉडल को प्रशिक्षित करते हैं; जब भी समान छवियों का उपयोग किया जाता है, एल्गोरिथम को इसकी पहचान करनी चाहिए Amazon Spheres
के बजाय Dome
, Architecture
, Glass building
, या अन्य लेबल।
आइए सबसे पहले Amazon Rekognition के लेबल डिटेक्शन फ़ीचर का उपयोग करने का एक उदाहरण दिखाते हैं, जहाँ हम बिना किसी कस्टम प्रशिक्षण के Amazon Spheres की छवि को फीड करते हैं। लेबल डिटेक्शन डेमो खोलने और अपनी फोटो अपलोड करने के लिए हम Amazon रिकॉग्निशन कंसोल का उपयोग करते हैं।
छवि अपलोड और विश्लेषण करने के बाद, हम नीचे उनके आत्मविश्वास स्कोर वाले लेबल देखते हैं परिणाम। इस मामले में, Dome
99.2% के आत्मविश्वास स्कोर के साथ पता चला था, Architecture
99.2% के साथ, Building
99.2% के साथ, Metropolis
79.4% के साथ, और इसी तरह।
हम एक कंप्यूटर विज़न मॉडल तैयार करने के लिए कस्टम लेबलिंग का उपयोग करना चाहते हैं जो छवि को लेबल कर सके Amazon Spheres
.
निम्नलिखित अनुभागों में, हम आपका डेटासेट तैयार करने, रिकॉग्निशन कस्टम लेबल प्रोजेक्ट बनाने, मॉडल को प्रशिक्षित करने, परिणामों का मूल्यांकन करने और अतिरिक्त छवियों के साथ परीक्षण करने के माध्यम से आपका मार्गदर्शन करते हैं।
.. पूर्वापेक्षाएँ
चरणों से शुरू करने से पहले, वहाँ हैं कोटा रेकग्निशन कस्टम लेबल्स के लिए जिनके बारे में आपको जानकारी होनी चाहिए। यदि आप सीमाएं बदलना चाहते हैं, तो आप अनुरोध कर सकते हैं सेवा सीमा में वृद्धि.
अपना डेटासेट बनाएं
यदि आप पहली बार पहचान कस्टम लेबल का उपयोग कर रहे हैं, तो आपको एक बनाने के लिए कहा जाएगा अमेज़न सरल भंडारण सेवा (Amazon S3) बकेट आपके डेटासेट को स्टोर करने के लिए।
इस ब्लॉग प्रदर्शन के लिए, हमने Amazon Spheres की छवियों का उपयोग किया है, जिन्हें हमने सिएटल, WA की यात्रा के दौरान कैप्चर किया था। अपनी जरूरत के अनुसार अपनी छवियों का उपयोग करने के लिए स्वतंत्र महसूस करें।
अपने डेटासेट को नव निर्मित बकेट में कॉपी करें, जो आपकी छवियों को उनके संबंधित उपसर्गों के अंदर संग्रहीत करता है।
एक प्रोजेक्ट बनाएं
अपना रिकॉग्निशन कस्टम लेबल प्रोजेक्ट बनाने के लिए, निम्नलिखित चरणों को पूरा करें:
- मान्यता कस्टम लेबल कंसोल पर, चुनें एक प्रोजेक्ट बनाएं.
- के लिए परियोजना का नाम, नाम डालें।
- चुनें प्रोजेक्ट बनाएं.
अब हम आपके प्रशिक्षण और परीक्षण डेटासेट के विन्यास और पथ को निर्दिष्ट करते हैं। - चुनें डेटासेट बनाएं.
आप एक ऐसे प्रोजेक्ट से शुरू कर सकते हैं जिसमें एक ही डेटासेट हो, या एक प्रोजेक्ट जिसमें अलग-अलग प्रशिक्षण और परीक्षण डेटासेट हों। यदि आप एक एकल डेटासेट के साथ शुरू करते हैं, तो रिकॉग्निशन कस्टम लेबल आपके प्रोजेक्ट के लिए एक प्रशिक्षण डेटासेट (80%) और एक परीक्षण डेटासेट (20%) बनाने के लिए प्रशिक्षण के दौरान आपके डेटासेट को विभाजित करता है।
इसके अतिरिक्त, आप निम्न स्थानों में से किसी एक से चित्र आयात करके किसी प्रोजेक्ट के लिए प्रशिक्षण और परीक्षण डेटासेट बना सकते हैं:
इस पोस्ट के लिए, हम Amazon Spheres के अपने स्वयं के कस्टम डेटासेट का उपयोग करते हैं।
- चुनते हैं एकल डेटासेट से प्रारंभ करें.
- चुनते हैं S3 बकेट से चित्र आयात करें.
- के लिए एस३ यूआरआई, अपने S3 बकेट का पाथ दर्ज करें।
- यदि आप चाहते हैं कि रिकॉग्निशन कस्टम लेबल आपकी S3 बकेट में फ़ोल्डर नामों के आधार पर स्वचालित रूप से आपके लिए छवियों को लेबल करें, तो चयन करें फ़ोल्डर के नाम के आधार पर छवियों को स्वचालित रूप से छवि-स्तरीय लेबल असाइन करें.
- चुनें डेटासेट बनाएं.
एक पृष्ठ खुलता है जो आपको छवियों को उनके लेबल के साथ दिखाता है। यदि आपको लेबल में कोई त्रुटि दिखाई देती है, तो देखें डिबगिंग डेटासेट.
मॉडल को प्रशिक्षित करें
अपने डेटासेट की समीक्षा करने के बाद, अब आप मॉडल को प्रशिक्षित कर सकते हैं।
- चुनें ट्रेन मॉडल.
- के लिए प्रोजेक्ट चुनें, अपने प्रोजेक्ट के लिए ARN दर्ज करें यदि यह पहले से सूचीबद्ध नहीं है।
- चुनें ट्रेन का मॉडल.
में मॉडल प्रोजेक्ट पृष्ठ का अनुभाग, आप वर्तमान स्थिति की जांच कर सकते हैं मॉडल की स्थिति कॉलम, जहां प्रशिक्षण चल रहा है। प्रशिक्षण समय आमतौर पर पूरा होने में 30 मिनट से 24 घंटे लगते हैं, जो कई कारकों पर निर्भर करता है जैसे प्रशिक्षण सेट में छवियों की संख्या और लेबल की संख्या, और आपके मॉडल को प्रशिक्षित करने के लिए उपयोग किए जाने वाले एमएल एल्गोरिदम के प्रकार।
जब मॉडल प्रशिक्षण पूरा हो जाता है, तो आप मॉडल की स्थिति इस प्रकार देख सकते हैं TRAINING_COMPLETED
. यदि प्रशिक्षण विफल रहता है, तो देखें एक असफल मॉडल प्रशिक्षण डिबगिंग.
मॉडल का मूल्यांकन करें
मॉडल विवरण पृष्ठ खोलें। मूल्यांकन टैब प्रत्येक लेबल के लिए मीट्रिक और संपूर्ण परीक्षण डेटासेट के लिए औसत मीट्रिक दिखाता है।
रिकॉग्निशन कस्टम लेबल कंसोल प्रशिक्षण परिणामों के सारांश के रूप में और प्रत्येक लेबल के लिए मेट्रिक्स के रूप में निम्नलिखित मेट्रिक्स प्रदान करता है:
आप व्यक्तिगत छवियों के लिए अपने प्रशिक्षित मॉडल के परिणाम देख सकते हैं, जैसा कि निम्नलिखित स्क्रीनशॉट में दिखाया गया है।
मॉडल का परीक्षण करें
अब जबकि हमने मूल्यांकन के परिणाम देख लिए हैं, हम मॉडल शुरू करने और नई छवियों का विश्लेषण करने के लिए तैयार हैं।
आप पर मॉडल शुरू कर सकते हैं मॉडल का प्रयोग करें पहचान कस्टम लेबल कंसोल पर टैब, या का उपयोग करके स्टार्टप्रोजेक्ट संस्करण के माध्यम से संचालन AWS कमांड लाइन इंटरफ़ेस (एडब्ल्यूएस सीएलआई) या पायथन एसडीके।
जब मॉडल चल रहा होता है, तो हम इसका उपयोग करके नई छवियों का विश्लेषण कर सकते हैं कस्टम लेबल का पता लगाएं एपीआई। से परिणाम DetectCustomLabels
एक भविष्यवाणी है कि छवि में विशिष्ट वस्तुएं, दृश्य या अवधारणाएं हैं। निम्नलिखित कोड देखें:
आउटपुट में, आप लेबल को उसके कॉन्फ़िडेंस स्कोर के साथ देख सकते हैं:
जैसा कि आप परिणाम से देख सकते हैं, बस कुछ साधारण क्लिक के साथ, आप सटीक लेबलिंग परिणाम प्राप्त करने के लिए रिकॉग्निशन कस्टम लेबल का उपयोग कर सकते हैं। आप छवि उपयोग के कई मामलों के लिए इसका उपयोग कर सकते हैं, जैसे कि खाद्य उत्पादों, पालतू जानवरों, मशीन के पुर्जों आदि के लिए कस्टम लेबलिंग की पहचान करना।
क्लीन अप
इस पोस्ट के भाग के रूप में आपके द्वारा बनाए गए संसाधनों को साफ़ करने और किसी भी संभावित आवर्ती लागत से बचने के लिए, निम्न चरणों को पूरा करें:
- पर मॉडल का प्रयोग करें टैब, मॉडल बंद करो.
वैकल्पिक रूप से, आप का उपयोग करके मॉडल को रोक सकते हैं स्टॉपप्रोजेक्ट संस्करण एडब्ल्यूएस सीएलआई या पायथन एसडीके के माध्यम से संचालन। मॉडल के अंदर होने तक प्रतीक्षा करेंStopped
अगले चरणों को जारी रखने से पहले स्थिति। - मॉडल हटाएं.
- प्रोजेक्ट हटाएं.
- डेटासेट हटाएं.
- खाली S3 बाल्टी सामग्री और हटाना बाल्टी।
निष्कर्ष
इस पोस्ट में, हमने दिखाया कि बिल्डिंग छवियों का पता लगाने के लिए रिकॉग्निशन कस्टम लेबल का उपयोग कैसे करें।
आप अपने कस्टम छवि डेटासेट के साथ आरंभ कर सकते हैं, और Rekognition Custom Labels कंसोल पर कुछ साधारण क्लिक के साथ, आप अपने मॉडल को प्रशिक्षित कर सकते हैं और छवियों में वस्तुओं का पता लगा सकते हैं। मान्यता कस्टम लेबल स्वचालित रूप से डेटा लोड और निरीक्षण कर सकते हैं, सही एमएल एल्गोरिदम का चयन कर सकते हैं, एक मॉडल को प्रशिक्षित कर सकते हैं और मॉडल प्रदर्शन मेट्रिक्स प्रदान कर सकते हैं। आप सटीक, रिकॉल, F1 स्कोर और कॉन्फिडेंस स्कोर जैसे विस्तृत प्रदर्शन मेट्रिक्स की समीक्षा कर सकते हैं।
वह दिन आ गया है जब अब हम न्यूयॉर्क शहर में एम्पायर स्टेट बिल्डिंग, भारत में ताजमहल, और दुनिया भर में कई अन्य लोकप्रिय इमारतों की पहचान कर सकते हैं जो आपके अनुप्रयोगों में पूर्व-लेबल और खुफिया जानकारी के लिए उपयोग करने के लिए तैयार हैं। लेकिन अगर आपके पास अन्य स्थलचिह्न हैं जो वर्तमान में अभी तक Amazon Rekognition Labels द्वारा समर्थित नहीं हैं, तो आगे न देखें और Amazon Rekognition Custom Labels को आज़माएं।
कस्टम लेबल का उपयोग करने के बारे में अधिक जानकारी के लिए, देखें क्या है Amazon Rekognition Custom Labels? इसके अलावा, हमारे जाएँ गीथहब रेपो Amazon रिकॉग्निशन कस्टम ब्रांड डिटेक्शन के एंड-टू-एंड वर्कफ़्लो के लिए।
लेखक के बारे में:
सुरेश पटनाम एडब्ल्यूएस में प्रिंसिपल बीडीएम-जीटीएम एआई/एमएल लीडर हैं। वह आईटी रणनीति बनाने के लिए ग्राहकों के साथ काम करता है, डेटा और एआई/एमएल का लाभ उठाकर क्लाउड के माध्यम से डिजिटल परिवर्तन को और अधिक सुलभ बनाता है। अपने खाली समय में, सुरेश को टेनिस खेलना और अपने परिवार के साथ समय बिताना अच्छा लगता है।
बनी कौशिक एडब्ल्यूएस में समाधान वास्तुकार हैं। उन्हें एडब्ल्यूएस पर एआई/एमएल समाधान बनाने और ग्राहकों को एडब्ल्यूएस प्लेटफॉर्म पर नवाचार करने में मदद करने का जुनून है। काम के बाहर, वह लंबी पैदल यात्रा, चढ़ाई और तैराकी का आनंद लेता है।
- AI
- ai कला
- ऐ कला जनरेटर
- ऐ रोबोट
- अमेज़ॅन रेकग्निशन
- कृत्रिम बुद्धिमत्ता
- कृत्रिम बुद्धिमत्ता प्रमाणन
- बैंकिंग में आर्टिफिशियल इंटेलिजेंस
- आर्टिफिशियल इंटेलिजेंस रोबोट
- आर्टिफिशियल इंटेलिजेंस रोबोट
- कृत्रिम बुद्धि सॉफ्टवेयर
- AWS मशीन लर्निंग
- blockchain
- ब्लॉकचेन सम्मेलन एआई
- कॉइनजीनियस
- संवादी कृत्रिम बुद्धिमत्ता
- क्रिप्टो सम्मेलन एआई
- दल-ए
- ध्यान लगा के पढ़ना या सीखना
- इसे गूगल करें
- यंत्र अधिगम
- प्लेटो
- प्लेटो एआई
- प्लेटो डेटा इंटेलिजेंस
- प्लेटो गेम
- प्लेटोडाटा
- प्लेटोगेमिंग
- स्केल एआई
- वाक्यविन्यास
- जेफिरनेट