Amazon Rekognition egyéni címkék egy teljes körűen felügyelt számítógépes látásszolgáltatás, amely lehetővé teszi a fejlesztők számára, hogy egyedi modelleket építsenek a képeken lévő objektumok osztályozására és azonosítására, amelyek egyediek és egyediek az Ön vállalkozása számára.
A Rekognition Custom Labels szolgáltatáshoz nem szükséges előzetes számítógépes látási szakértelem. A kezdéshez egyszerűen több tíz képet tölt fel több ezer helyett. Ha a képek már fel vannak címkézve, néhány kattintással megkezdheti a modell betanítását. Ha nem, akkor közvetlenül felcímkézheti őket a Rekognition Custom Labels konzolon, vagy használhatja Amazon SageMaker Ground Truth felcímkézni őket. A Rekognition Custom Labels az átviteli tanulást használja a betanítási adatok automatikus ellenőrzéséhez, a megfelelő modell keretrendszer és algoritmus kiválasztásához, a hiperparaméterek optimalizálásához és a modell betanításához. Ha elégedett a modell pontosságával, egyetlen kattintással megkezdheti a betanított modell fogadását.
Ha azonban Ön üzleti felhasználó, aki számítógépes látásproblémát szeretne megoldani, megjeleníteni az egyéni modell következtetési eredményeit, és értesítést kap, ha ilyen következtetési eredmények állnak rendelkezésre, akkor a mérnöki csapatára kell támaszkodnia egy ilyen alkalmazás elkészítésében. Például a mezőgazdasági üzemvezetőt értesíteni lehet, ha egy terményen betegséget találnak, a borászt értesíteni lehet, amikor a szőlő beérett a szüretre, vagy az üzletvezetőt értesíteni, amikor elérkezett a készletek, például üdítőitalok feltöltésének ideje. függőleges hűtőben.
Ebben a bejegyzésben végigvezetjük Önt egy olyan megoldás felépítésének folyamatán, amely lehetővé teszi a következtetés eredményének megjelenítését, és értesítések küldését a feliratkozott felhasználóknak, amikor bizonyos címkéket azonosítanak a képeken, amelyeket a Rekognition Custom Labels által épített modellekkel dolgoztak fel.
Megoldás áttekintése
Az alábbi ábra szemlélteti megoldásunk architektúráját.
Ez a megoldás a következő AWS-szolgáltatásokat használja a méretezhető és költséghatékony architektúra megvalósításához:
- Amazon Athéné – Szerver nélküli interaktív lekérdező szolgáltatás, amely megkönnyíti az adatok elemzését az Amazon S3-ban szabványos SQL használatával.
- AWS Lambda – Kiszolgáló nélküli számítási szolgáltatás, amely lehetővé teszi kód futtatását olyan triggerekre válaszul, mint például az adatok változásai, a rendszerállapot eltolódása vagy a felhasználói műveletek. Mivel az Amazon S3 közvetlenül aktiválhat egy Lambda funkciót, különféle valós idejű alkotásokat készíthet vagy szerver adatfeldolgozó rendszerek.
- Amazon QuickSight – Nagyon gyors, könnyen használható, felhőalapú üzleti elemzési szolgáltatás, amely megkönnyíti a vizualizációk készítését, az ad hoc elemzések elvégzését, és gyorsan üzleti betekintést nyerhet az adatokból.
- Amazon Rekognition egyéni címkék – Lehetővé teszi egy egyéni számítógépes látásmodell betanítását, hogy azonosítsa a képeken szereplő objektumokat és jeleneteket, amelyek kifejezetten az Ön üzleti igényeinek felelnek meg.
- Amazon Simple Notification Service – Az Amazon SNS egy teljesen felügyelt üzenetküldő szolgáltatás mind az alkalmazások közötti (A2A), mind az alkalmazástól a személyig (A2P) kommunikációhoz.
- Amazon Simple Queue Service – Az Amazon SQS egy teljesen felügyelt üzenetsor-szolgáltatás, amely lehetővé teszi a mikroszolgáltatások, elosztott rendszerek és kiszolgáló nélküli alkalmazások szétválasztását és méretezését.
- Amazon egyszerű tárolási szolgáltatás – Az Amazon S3 objektumtárolóként szolgál a dokumentumok számára, és lehetővé teszi a központi kezelést finomhangolt hozzáférés-vezérléssel.
A megoldás kiszolgáló nélküli munkafolyamatot használ, amely akkor indul el, amikor egy képet feltöltenek a bemeneti S3 tárolóba. Egy SQS-sor eseményértesítést kap az objektum létrehozásához. A megoldás is teremt holtbetűs várólisták (DLQ-k) a nem megfelelően feldolgozható üzenetek félretételére és elkülönítésére. Egy Lambda függvény az SQS sorból táplálkozik, és létrehozza a DetectLabels
API-hívás a kép összes címkéjének észleléséhez. A megoldás méretezéséhez és lazán csatolt kialakításához a Lambda függvény elküldi az előrejelzési eredményeket egy másik SQS-sorba. Ez az SQS-sor egy másik Lambda-függvényt indít el, amely elemzi az előrejelzésekben található összes címkét. A (megoldás üzembe helyezése során beállított) felhasználói preferenciák alapján a funkció üzenetet tesz közzé egy SNS-témában. Az SNS témakör úgy van beállítva, hogy e-mail értesítéseket küldjön a felhasználónak. A Lambda funkciót beállíthatja úgy, hogy a kép elérése érdekében URL-t adjon az Amazon SNS-nek küldött üzenethez (Amazon S3 használatával előre aláírt URL). Végül a Lambda függvény feltölt egy előrejelzési eredményt és a kép metaadatait egy S3 tárolóba. Ezután az Athena és a QuickSight segítségével elemezheti és megjelenítheti az S3 gyűjtőhely eredményeit.
Előfeltételek
Szüksége van egy modellre, amely a Rekognition egyéni címkékkel rendelkezik és fut.
A Rekognition Custom Labels segítségével kezelheti a gépi tanulási modell betanítási folyamatát Amazon felismerés konzol, amely leegyszerűsíti a végpontok közötti modellfejlesztési folyamatot. Ehhez a bejegyzéshez használjuk a növényi levélbetegségek kimutatására kiképzett osztályozási modell.
Telepítse a megoldást
Telepít egy AWS felhőképződés sablon a szükséges erőforrások biztosításához, beleértve az S3-csoportokat, az SQS-sorokat, az SNS-témát, a Lambda-funkciókat és AWS Identity and Access Management (IAM) szerepek. A sablon a us-east-1 régió veremét hozza létre, de használhatja a sablont a verem létrehozásához bármely olyan régióban, ahol a fenti AWS-szolgáltatások elérhetők.
- Indítsa el a következő CloudFormation sablont abban a Régióban és AWS-fiókban, ahol a Rekognition egyéni címkék modelljét telepítette:
- A Verem neve, írjon be egy veremnevet, például
rekognition-customlabels-analytics-and-notification
. - A CustomModelARN, adja meg a használni kívánt Amazon Rekognition egyéni címkék modell ARN-jét.
A Rekognition egyéni címkék modelljét ugyanabban az AWS-fiókban kell üzembe helyezni.
- A Email értesítés, adjon meg egy e-mail címet, ahová értesítéseket szeretne kapni.
- A InputBucketName, adjon meg egy egyedi nevet a verem által létrehozott S3 vödörnek; például,
plant-leaf-disease-data-input
.
Itt tárolódnak a beérkező növényi levélképek.
- A Érdeklődési címkék, legfeljebb 10 különböző címkét adhat meg, amelyekről értesítést szeretne kapni, vesszővel elválasztott formátumban. A növénybetegségre vonatkozó példánkhoz írja be
bacterial-leaf-blight,leaf-smut
. - A MinConfidence, adja meg az értesítés fogadásához szükséges minimális megbízhatósági küszöböt. A MinConfidence értéke alatti megbízhatósággal észlelt címkék nem jelennek meg a válaszban, és nem generálnak értesítést.
- A OutputBucketName, adjon meg egy egyedi nevet a verem által létrehozott S3 vödörnek; például,
plant-leaf-disease-data-output
.
A kimeneti tároló JSON-fájlokat tartalmaz kép metaadatokkal (talált címkék és megbízhatósági pontszám).
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
- A Állítsa be a verembeállításokat oldalon állítsa be a verem további paramétereit, beleértve a címkéket is.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Következő.
- A Képességek és átalakítások szakaszban jelölje be a jelölőnégyzetet, hogy elismerje, hogy az AWS CloudFormation létrehozhat IAM erőforrások.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Verem létrehozása.
A verem részleteinek oldalán a verem állapotának kell megjelennie: CREATE_IN_PROGRESS
. Akár 5 percig is eltarthat, amíg az állapot megváltozik CREATE_COMPLETE
.
Az Amazon SNS előfizetést megerősítő üzenetet küld az e-mail címre. Neked kell erősítse meg az előfizetést.
Tesztelje az oldatot
Most, hogy telepítettük az erőforrásokat, készen állunk a megoldás tesztelésére. Győződjön meg róla indítsa el a modellt.
- Az Amazon S3 konzolon válassza a lehetőséget Kanalak.
- Válassza ki az S3 bemeneti tartályt.
- Töltsön fel tesztképeket a vödörbe.
A gyártás során beállíthat automatizált folyamatokat a képek ebbe a gyűjtőhelyre történő szállításához.
Ezek a képek elindítják a munkafolyamatot. Ha a címke megbízhatósága meghaladja a megadott küszöbértéket, a következőhöz hasonló e-mail értesítést kap.
Az SNS-témát úgy is beállíthatja, hogy ezeket az értesítéseket bármelyikhez kézbesítse úticél a szolgáltatás által támogatott.
Elemezze az előrejelzés eredményeit
A megoldás tesztelése után a megoldást kiterjesztheti vizuális elemzés létrehozására a feldolgozott képek előrejelzéséhez. Erre a célra az Athena interaktív lekérdező szolgáltatást használjuk, amely egyszerűvé teszi az adatok közvetlen elemzését az Amazon S3-ból szabványos SQL használatával, valamint a QuickSight-ot az adatok megjelenítéséhez.
Konfigurálja az Athena-t
Ha nem ismeri az Amazon Athénét, lásd ez a bemutató. Az Athena konzolon hozzon létre egy táblázatot az Athena adatkatalógusban a következő kóddal:
Népesítsd be a Location
mezőt az előző lekérdezésben a kimeneti csoport nevével, például plant-leaf-disease-data-output
.
Ez a kód megmondja az Athénának, hogyan kell értelmezni az S3 vödörben lévő szöveg egyes sorait.
Most már lekérdezheti az adatokat:
SELECT * FROM "default"."rekognition_customlabels_analytics" limit 10;
A QuickSight konfigurálása
A QuickSight konfigurálásához hajtsa végre a következő lépéseket:
- Nyissa meg a QuickSight konzol.
- Ha nem regisztrált a QuickSight szolgáltatásra, a rendszer felkéri a regisztráció lehetőségét. Kövesse a lépéseket regisztráljon a QuickSight használatához.
- Miután bejelentkezett a QuickSightba, válassza a lehetőséget A QuickSight kezelése fiókja alatt.
- A navigációs panelen válassza a lehetőséget Biztonság és engedélyek.
- Alatt QuickSight hozzáférés az AWS szolgáltatásokhoz, választ Adja hozzá vagy távolítsa el.
Megjelenik egy oldal, amely lehetővé teszi a QuickSight hozzáférését az AWS-szolgáltatásokhoz.
- választ amazon Athéné.
- A felugró ablakban válassza a lehetőséget Következő.
- Az S3 lapon válassza ki a szükséges S3 vödröket. Ehhez a bejegyzéshez azt a tárolót választom ki, amely az Athena lekérdezés eredményeit tárolja.
- Minden vödörnél válassza ki azt is Írási engedély az Athena Workgroup számára.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a befejez.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Frissítések.
- A QuickSight konzolon válassza a lehetőséget Új elemzés.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Új adatkészlet.
- A Datasets, választ Athéné.
- A Adatforrás neve, belép
Athena-CustomLabels-analysis
. - A Athena munkacsoport, választ elsődleges.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Adatforrás létrehozása.
- A adatbázis, választ
default
a legördülő menüben. - A Asztalok, válassza ki a táblázatot
rekognition_customlabels_analytics
. - A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Válassza a lehetőséget.
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a Képzeld el.
- A Képzeld el oldal alatt, a Fields listát választani címke és válassza ki a kördiagramot Vizuális típusok.
További vizualizációkat adhat hozzá az irányítópulthoz. Ha elkészült az elemzés, választhat Megosztás irányítópult létrehozásához és a szervezeten belüli megosztásához.
Összegzésként
Ebben a bejegyzésben bemutattuk, hogyan hozhat létre olyan megoldást, amellyel értesítéseket kaphat a feldolgozott képeken található meghatározott címkékről (például bakteriális levélfertőzésről vagy levéllepényről) a Rekognition Custom Labels segítségével. Ezenkívül megmutattuk, hogyan hozhat létre irányítópultokat az eredmények megjelenítéséhez az Athena és a QuickSight használatával.
Mostantól könnyedén megoszthatja az ilyen vizualizációs irányítópultokat az üzleti felhasználókkal, és lehetővé teheti számukra, hogy feliratkozzanak az értesítésekre, ahelyett, hogy a mérnöki csapataira kellene hagyatkozniuk egy ilyen alkalmazás elkészítésében.
A szerzőkről
Jay Rao az AWS vezető megoldási építésze. Szeret technikai és stratégiai útmutatást nyújtani ügyfeleinek, és segíteni nekik az AWS-re vonatkozó megoldások tervezésében és megvalósításában.
Pashmeen Mistry az Amazon Rekognition egyéni címkéinek vezető termékmenedzsere. A munkán kívül Pashmeen élvezi a kalandos túrákat, a fotózást, és a családjával tölti az idejét.
- Coinsmart. Európa legjobb Bitcoin- és kriptográfiai tőzsdéje.
- Platoblockchain. Web3 metaverzum intelligencia. Felerősített tudás. SZABAD HOZZÁFÉRÉS.
- CryptoHawk. Altcoin radar. Ingyenes próbaverzió.
- Forrás: 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
- hozzáférés
- Fiók
- cselekvések
- Ad
- mellett
- További
- cím
- algoritmus
- Minden termék
- már
- amazon
- elemzés
- analitika
- Másik
- api
- Alkalmazás
- alkalmazások
- építészet
- Automatizált
- elérhető
- AWS
- határ
- Doboz
- épít
- Épület
- üzleti
- hívás
- Kaphat
- változik
- A pop-art design, négy időzóna kijelzése egyszerre és méretének arányai azok az érvek, amelyek a NeXtime Time Zones-t kiváló választássá teszik. Válassza a
- besorolás
- kód
- közlés
- Kiszámít
- bizalom
- Konzol
- tartalmaz
- költséghatékony
- összekapcsolt
- teremt
- teremtés
- termés
- szokás
- Ügyfelek
- műszerfal
- dátum
- telepíteni
- telepített
- bevetés
- Design
- észlelt
- fejlesztők
- Fejlesztés
- különböző
- közvetlenül
- betegség
- megosztott
- dokumentumok
- Nem
- könnyen
- lehetővé téve
- Mérnöki
- belép
- esemény
- példa
- szakvélemény
- terjed
- család
- GYORS
- Végül
- következik
- következő
- formátum
- talált
- Keretrendszer
- funkció
- generál
- tekintettel
- Hogyan
- How To
- HTTPS
- azonosítani
- Identitás
- kép
- végre
- Beleértve
- bemenet
- meglátások
- interaktív
- IT
- csak egy
- Címkék
- tanulás
- Lista
- elhelyezkedés
- keres
- gép
- gépi tanulás
- KÉSZÍT
- sikerült
- vezetés
- menedzser
- üzenetküldés
- minimum
- modell
- modellek
- több
- Navigáció
- bejelentés
- Művelet
- opció
- szervezet
- fényképezés
- előrejelzés
- Tippek
- Fő
- Probléma
- folyamat
- Folyamatok
- Termékek
- Termelés
- amely
- cél
- gyorsan
- real-time
- kap
- szükség
- Tudástár
- válasz
- Eredmények
- futás
- futás
- skálázható
- Skála
- jelenetek
- vagy szerver
- szolgáltatás
- Szolgáltatások
- készlet
- Megosztás
- Egyszerű
- megoldások
- Megoldások
- SOLVE
- Költési
- verem
- standard
- kezdet
- kezdődött
- Állami
- Állapot
- tárolás
- tárolni
- árnyékolók
- Stratégiai
- Iratkozz fel
- előfizetés
- Támogatott
- rendszer
- Systems
- csapat
- Műszaki
- megmondja
- teszt
- ezer
- Keresztül
- idő
- Képzések
- átruházás
- egyedi
- használ
- Felhasználók
- érték
- fajta
- látomás
- megjelenítés
- belül
- Munka
- Munkacsoport