Etichette personalizzate Amazon Rekognition è un servizio di visione artificiale completamente gestito che consente agli sviluppatori di creare modelli personalizzati per classificare e identificare oggetti in immagini specifiche e uniche per la tua azienda.
Rekognition Custom Labels non richiede alcuna esperienza precedente nella visione artificiale. Puoi iniziare semplicemente caricando decine di immagini anziché migliaia. Se le immagini sono già etichettate, puoi iniziare ad addestrare un modello in pochi clic. In caso contrario, puoi etichettarli direttamente all'interno della console Rekognition Custom Labels o utilizzare Amazon SageMaker verità fondamentale per etichettarli. Rekognition Custom Labels utilizza il transfer learning per ispezionare automaticamente i dati di training, selezionare il framework e l'algoritmo del modello giusti, ottimizzare gli iperparametri e addestrare il modello. Quando sei soddisfatto della precisione del modello, puoi iniziare a ospitare il modello addestrato con un solo clic.
Tuttavia, se sei un utente aziendale che cerca di risolvere un problema di visione artificiale, visualizzare i risultati dell'inferenza del modello personalizzato e ricevere notifiche quando tali risultati dell'inferenza sono disponibili, devi fare affidamento sul tuo team di ingegneri per creare tale applicazione. Ad esempio, un responsabile delle operazioni agricole può essere informato quando si scopre che un raccolto ha una malattia, un viticoltore può essere informato quando l'uva è matura per la raccolta o un responsabile del negozio può essere avvisato quando è il momento di rifornire scorte come bibite analcoliche in frigorifero verticale.
In questo post, ti guidiamo attraverso il processo di creazione di una soluzione che ti consente di visualizzare il risultato dell'inferenza e inviare notifiche agli utenti iscritti quando vengono identificate etichette specifiche nelle immagini che vengono elaborate utilizzando modelli creati da Rekognition Custom Labels.
Panoramica della soluzione
Il diagramma seguente illustra l'architettura della nostra soluzione.
Questa soluzione utilizza i seguenti servizi AWS per implementare un'architettura scalabile ed economica:
- Amazzone Atena – Un servizio di query interattivo serverless che semplifica l'analisi dei dati in Amazon S3 utilizzando SQL standard.
- AWS Lambda – Un servizio di elaborazione serverless che consente di eseguire codice in risposta a trigger quali modifiche ai dati, cambiamenti nello stato del sistema o azioni dell'utente. Poiché Amazon S3 può attivare direttamente una funzione Lambda, puoi creare una varietà di funzioni in tempo reale serverless sistemi di elaborazione dati.
- Amazon QuickSight – Un servizio di analisi aziendale molto veloce, facile da usare e basato sul cloud che semplifica la creazione di visualizzazioni, l'esecuzione di analisi ad hoc e l'ottenimento rapido di informazioni aziendali dai dati.
- Etichette personalizzate Amazon Rekognition – Ti consente di addestrare un modello di visione artificiale personalizzato per identificare gli oggetti e le scene nelle immagini che sono specifiche per le tue esigenze aziendali.
- Servizio di notifica semplice Amazon – Amazon SNS è un servizio di messaggistica completamente gestito per la comunicazione da applicazione a applicazione (A2A) e da applicazione a persona (A2P).
- Servizio Amazon Simple Queue – Amazon SQS è un servizio di accodamento messaggi completamente gestito che consente di disaccoppiare e ridimensionare microservizi, sistemi distribuiti e applicazioni serverless.
- Servizio di archiviazione semplice Amazon – Amazon S3 funge da archivio oggetti per i tuoi documenti e consente la gestione centralizzata con controlli di accesso ottimizzati.
La soluzione utilizza un flusso di lavoro serverless che viene attivato quando un'immagine viene caricata nel bucket S3 di input. Una coda SQS riceve una notifica di evento per la creazione dell'oggetto. La soluzione crea anche code di messaggi non recapitabili (DLQ) per mettere da parte e isolare i messaggi che non possono essere elaborati correttamente. Una funzione Lambda si nutre della coda SQS e crea il file DetectLabels
Chiamata API per rilevare tutte le etichette nell'immagine. Per scalare questa soluzione e renderla un progetto ad accoppiamento libero, la funzione Lambda invia i risultati della previsione a un'altra coda SQS. Questa coda SQS attiva un'altra funzione Lambda, che analizza tutte le etichette trovate nelle previsioni. In base alle preferenze dell'utente (configurate durante la distribuzione della soluzione), la funzione pubblica un messaggio in un argomento SNS. L'argomento SNS è configurato per inviare notifiche e-mail all'utente. Puoi configurare la funzione Lambda per aggiungere un URL al messaggio inviato ad Amazon SNS per accedere all'immagine (utilizzando un Amazon S3 URL preimpostato). Infine, la funzione Lambda carica un risultato di previsione e metadati dell'immagine in un bucket S3. È quindi possibile utilizzare Athena e QuickSight per analizzare e visualizzare i risultati dal bucket S3.
Prerequisiti
Devi avere un modello addestrato e funzionante con Rekognition Custom Labels.
Rekognition Custom Labels ti consente di gestire il processo di addestramento del modello di machine learning sul Rekognition di Amazon console, che semplifica il processo di sviluppo del modello end-to-end. Per questo post, utilizziamo un modello di classificazione addestrato per rilevare la malattia delle foglie delle piante.
Distribuisci la soluzione
Distribuisci un file AWS CloudFormazione modello per fornire le risorse necessarie, inclusi bucket S3, code SQS, argomento SNS, funzioni Lambda e Gestione dell'identità e dell'accesso di AWS (IAM) ruoli. Il modello crea lo stack nella regione us-east-1, ma puoi utilizzare il modello per creare lo stack in qualsiasi regione in cui sono disponibili i servizi AWS sopra indicati.
- Avvia il seguente modello CloudFormation nella regione e nell'account AWS in cui hai distribuito il modello Rekognition Custom Labels:
- Nel Nome dello stack, inserisci un nome di stack, ad esempio
rekognition-customlabels-analytics-and-notification
. - Nel Modello personalizzatoARN, inserisci l'ARN del modello Amazon Rekognition Custom Labels che desideri utilizzare.
Il modello Rekognition Custom Labels deve essere distribuito nello stesso account AWS.
- Nel Notifica per email, inserisci un indirizzo email a cui desideri ricevere le notifiche.
- Nel NomeBucketInput, inserisci un nome univoco per il bucket S3 creato dallo stack; Per esempio,
plant-leaf-disease-data-input
.
È qui che vengono archiviate le immagini delle foglie delle piante in arrivo.
- Nel Etichette di interesse, puoi inserire fino a 10 etichette diverse di cui desideri ricevere una notifica, in formato separato da virgole. Per il nostro esempio di malattie delle piante, inserisci
bacterial-leaf-blight,leaf-smut
. - Nel MinConfidenza, inserisci la soglia di confidenza minima per ricevere la notifica. Le etichette rilevate con una confidenza inferiore al valore di MinConfidence non vengono restituite nella risposta e non genereranno la notifica.
- Nel NomeBucket di output, inserisci un nome univoco per il bucket S3 creato dallo stack; Per esempio,
plant-leaf-disease-data-output
.
Il bucket di output contiene file JSON con metadati dell'immagine (etichette trovate e punteggio di affidabilità).
- Scegli Avanti.
- Sulla Configura le opzioni di stack pagina, imposta eventuali parametri aggiuntivi per lo stack, inclusi i tag.
- Scegli Avanti.
- Nel Funzionalità e trasformazioni sezione, seleziona la casella di controllo per confermare che AWS CloudFormation potrebbe creare Risorse IAM.
- Scegli Crea stack.
La pagina dei dettagli dello stack dovrebbe mostrare lo stato dello stack come CREATE_IN_PROGRESS
. Potrebbero essere necessari fino a 5 minuti affinché lo stato cambi in CREATE_COMPLETE
.
Amazon SNS invierà un messaggio di conferma dell'abbonamento all'indirizzo e-mail. Devi confermare l'iscrizione.
Prova la soluzione
Ora che abbiamo distribuito le risorse, siamo pronti per testare la soluzione. Accertati di avviare il modello.
- Sulla console Amazon S3, scegli Secchi.
- Scegli il bucket S3 di input.
- Carica le immagini di prova nel bucket.
In produzione, puoi impostare processi automatizzati per fornire immagini a questo bucket.
Queste immagini attivano il flusso di lavoro. Se l'affidabilità dell'etichetta supera la soglia specificata, riceverai una notifica e-mail come la seguente.
Puoi anche configurare l'argomento SNS per inviare queste notifiche a chiunque Destinazioni supportato dal servizio.
Analizza i risultati della previsione
Dopo aver testato la soluzione, è possibile estendere la soluzione per creare un'analisi visiva per le previsioni delle immagini elaborate. A tale scopo, utilizziamo Athena, un servizio di query interattivo che semplifica l'analisi dei dati direttamente da Amazon S3 utilizzando SQL standard e QuickSight per visualizzare i dati.
Configura Atena
Se non hai familiarità con Amazon Athena, guarda questo tutorial. Nella console Athena, crea una tabella nel catalogo dati di Athena con il codice seguente:
Popolare il file Location
campo nella query precedente con il nome del bucket di output, ad esempio plant-leaf-disease-data-output
.
Questo codice dice ad Athena come interpretare ogni riga del testo nel bucket S3.
Ora puoi interrogare i dati:
SELECT * FROM "default"."rekognition_customlabels_analytics" limit 10;
Configura QuickSight
Per configurare QuickSight, completare i seguenti passaggi:
- Aprire il Console QuickSight.
- Se non sei registrato a QuickSight, ti viene richiesta l'opzione per registrarti. Segui i passaggi per registrati per utilizzare QuickSight.
- Dopo aver effettuato l'accesso a QuickSight, scegli Gestisci QuickSight sotto il tuo conto.
- Nel pannello di navigazione, scegli Sicurezza e autorizzazioni.
- Sotto Accesso QuickSight ai servizi AWSscegli Aggiungi o rimuovi.
Viene visualizzata una pagina per abilitare l'accesso QuickSight ai servizi AWS.
- Seleziona Amazon Athena.
- Nella finestra pop-up, scegli Avanti.
- Nella scheda S3, seleziona i bucket S3 necessari. Per questo post, seleziono il bucket che memorizza i risultati della mia query Athena.
- Per ogni secchio, seleziona anche Permesso di scrittura per Athena Workgroup.
- Scegli Fine.
- Scegli Aggiornanento.
- Sulla console QuickSight, selezionare Nuova analisi.
- Scegli Nuovo set di dati.
- Nel Datasetscegli Athena.
- Nel Nome dell'origine dati, accedere
Athena-CustomLabels-analysis
. - Nel Gruppo di lavoro Athenascegli primario.
- Scegli Crea origine dati.
- Nel Banca Datiscegli
default
nel menu a discesa. - Nel tavoli, seleziona la tabella
rekognition_customlabels_analytics
. - Scegli Selezionare.
- Scegli Visualizzare.
- Sulla Visualizzare pagina, sotto campi lista, scegliere etichetta e seleziona il grafico a torta da Tipi visivi.
Puoi aggiungere più visualizzazioni nella dashboard. Quando la tua analisi è pronta, puoi scegliere Condividi per creare una dashboard e condividerla all'interno della tua organizzazione.
Sommario
In questo post, abbiamo mostrato come creare una soluzione per ricevere notifiche per etichette specifiche (come la ruggine batterica delle foglie o la macchia fogliare) che si trovano nelle immagini elaborate utilizzando Rekognition Custom Labels. Inoltre, abbiamo mostrato come creare dashboard per visualizzare i risultati utilizzando Athena e QuickSight.
Ora puoi condividere facilmente tali dashboard di visualizzazione con gli utenti aziendali e consentire loro di iscriversi alle notifiche invece di dover fare affidamento sui tuoi team di progettazione per creare un'applicazione del genere.
Informazioni sugli autori
Jay Rao è Principal Solutions Architect presso AWS. Gli piace fornire una guida tecnica e strategica ai clienti e aiutarli a progettare e implementare soluzioni su AWS.
Pashmen Mistry è Senior Product Manager per Amazon Recognition Custom Labels. Al di fuori del lavoro, Pashmeen ama fare escursioni avventurose, fotografare e passare il tempo con la sua famiglia.
- Coinsmart. Il miglior scambio di bitcoin e criptovalute d'Europa.
- Platoblockchain. Web3 Metaverse Intelligence. Conoscenza amplificata. ACCESSO LIBERO.
- Criptofalco. Radar Altcoin. Prova gratuita.
- Fonte: 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
- accesso
- Il mio account
- azioni
- Ad
- aggiunta
- aggiuntivo
- indirizzo
- algoritmo
- Tutti
- già
- Amazon
- .
- analitica
- Un altro
- api
- Applicazioni
- applicazioni
- architettura
- Automatizzata
- disponibile
- AWS
- sistema
- Scatola
- costruire
- Costruzione
- affari
- chiamata
- Può ottenere
- il cambiamento
- Scegli
- classificazione
- codice
- Comunicazione
- Calcolare
- fiducia
- consolle
- contiene
- costo effettivo
- accoppiato
- crea
- creazione
- raccolto
- costume
- Clienti
- cruscotto
- dati
- schierare
- schierato
- deployment
- Design
- rilevato
- sviluppatori
- Mercato
- diverso
- direttamente
- Malattia
- distribuito
- documenti
- non
- facilmente
- consentendo
- Ingegneria
- entrare
- Evento
- esempio
- competenza
- estendere
- famiglia
- FAST
- Infine
- seguire
- i seguenti
- formato
- essere trovato
- Contesto
- function
- generare
- avendo
- Come
- Tutorial
- HTTPS
- identificare
- Identità
- Immagine
- realizzare
- Compreso
- ingresso
- intuizioni
- interattivo
- IT
- solo uno
- per il tuo brand
- apprendimento
- Lista
- località
- cerca
- macchina
- machine learning
- FA
- gestito
- gestione
- direttore
- di messaggistica
- ordine
- modello
- modelli
- Scopri di più
- Navigazione
- notifica
- Operazioni
- Opzione
- organizzazione
- fotografia
- predizione
- Previsioni
- Direttore
- Problema
- processi
- i processi
- Prodotto
- Produzione
- fornitura
- scopo
- rapidamente
- tempo reale
- ricevere
- richiedere
- Risorse
- risposta
- Risultati
- Correre
- running
- scalabile
- Scala
- Scene
- serverless
- servizio
- Servizi
- set
- Condividi
- Un'espansione
- soluzione
- Soluzioni
- RISOLVERE
- Spendere
- pila
- Standard
- inizia a
- iniziato
- Regione / Stato
- Stato dei servizi
- conservazione
- Tornare al suo account
- negozi
- Strategico
- sottoscrivi
- sottoscrizione
- supportato
- sistema
- SISTEMI DI TRATTAMENTO
- team
- Consulenza
- dice
- test
- migliaia
- Attraverso
- tempo
- Training
- trasferimento
- unico
- uso
- utenti
- APPREZZIAMO
- varietà
- visione
- visualizzazione
- entro
- Lavora
- Gruppo di lavoro