Nell'ultimo decennio, i casi d'uso della visione artificiale sono stati una tendenza in crescita, specialmente in settori come assicurativo, automobilistico, e-commerce, energia, vendita al dettaglio, produzione e altri. I clienti stanno costruendo modelli di machine learning (ML) per la visione artificiale per portare efficienza operativa e automazione ai loro processi. Tali modelli aiutano ad automatizzare la classificazione delle immagini o il rilevamento di oggetti di interesse in immagini specifiche e uniche per la tua azienda.
Per semplificare il processo di creazione del modello ML, abbiamo introdotto JumpStart di Amazon SageMaker a dicembre 2020. JumpStart ti aiuta a iniziare rapidamente e facilmente con ML. Fornisce la distribuzione e la messa a punto con un clic di un'ampia varietà di modelli pre-addestrati, nonché una selezione di soluzioni end-to-end. Ciò elimina il lavoro pesante da ogni fase del processo di machine learning, semplificando lo sviluppo di modelli di alta qualità e riducendo i tempi di implementazione. Tuttavia, è necessario disporre di alcune conoscenze preliminari per aiutare nella selezione del modello da un catalogo di oltre 200 modelli di visione artificiale pre-addestrati. È quindi necessario confrontare le prestazioni del modello con diverse impostazioni di iperparametro e selezionare il modello migliore da distribuire in produzione.
Per semplificare questa esperienza e consentire agli sviluppatori con poca o nessuna esperienza di ML di creare modelli di visione artificiale personalizzati, stiamo rilasciando un nuovo notebook di esempio all'interno di JumpStart che utilizza Etichette personalizzate Amazon Rekognition, un servizio completamente gestito per creare modelli di computer vision personalizzati. Rekognition Custom Labels si basa sui modelli pre-addestrati in Rekognition di Amazon, che sono già addestrati su decine di milioni di immagini in molte categorie. Invece di migliaia di immagini, puoi iniziare con un piccolo insieme di immagini di addestramento (poche centinaia o meno) specifiche per il tuo caso d'uso. Rekognition Custom Labels astrae la complessità implicata nella creazione di un modello personalizzato. Esamina automaticamente i dati di addestramento, seleziona gli algoritmi ML corretti, seleziona il tipo di istanza, esegue il training di più modelli candidati con diversi iperparametri e genera il modello meglio addestrato. Rekognition Custom Labels fornisce anche un'interfaccia di facile utilizzo da Console di gestione AWS per l'intero flusso di lavoro di ML, inclusa l'etichettatura delle immagini, la formazione, la distribuzione di un modello e la visualizzazione dei risultati del test.
Questo quaderno di esempio all'interno di JumpStart che utilizza Rekognition Custom Labels risolve qualsiasi attività di classificazione delle immagini o rilevamento di oggetti di computer vision ML, facilitando i clienti che hanno familiarità con Amazon Sage Maker per creare una soluzione di visione artificiale che si adatti meglio al tuo caso d'uso, ai tuoi requisiti e alle tue competenze.
In questo post, forniamo istruzioni dettagliate per utilizzare questo notebook di esempio all'interno di JumpStart. Il notebook mostra come utilizzare facilmente le API di formazione e inferenza esistenti di Rekognition Custom Labels per creare un modello di classificazione delle immagini, un modello di classificazione multi-etichetta e un modello di rilevamento degli oggetti. Per facilitare l'avvio, abbiamo fornito set di dati di esempio per ciascun modello.
Addestra e distribuisci un modello di visione artificiale utilizzando Rekognition Custom Labels
In questa sezione, individuiamo il notebook desiderato in JumpStart e dimostriamo come addestrare ed eseguire l'inferenza sull'endpoint distribuito.
Cominciamo dal Amazon Sage Maker Studio Lanciatore.
- In Studio Launcher, scegli Vai a SageMaker JumpStart.
La pagina di destinazione JumpStart ha sezioni per caroselli per soluzioni, modelli di testo e modelli di visione. Ha anche una barra di ricerca. - Nella barra di ricerca, immettere
Rekognition Custom Labels
e scegliere il Etichette personalizzate di riconoscimento per la visione taccuino.
Il notebook si apre in modalità di sola lettura. - Scegli Importa taccuino per importare il notebook nel tuo ambiente.
Il notebook fornisce una guida dettagliata per l'addestramento e l'esecuzione dell'inferenza utilizzando Rekognition Custom Labels dalla console JumpStart. Fornisce i seguenti quattro set di dati di esempio per dimostrare la classificazione delle immagini con etichetta singola e multi e il rilevamento degli oggetti.
-
- Classificazione delle immagini con etichetta singola – Questo set di dati mostra come classificare le immagini come appartenenti a una serie di etichette predefinite. Ad esempio, le società immobiliari possono utilizzare le etichette personalizzate Rekognition per classificare le loro immagini di soggiorni, cortili, camere da letto e altri luoghi domestici. Quella che segue è un'immagine di esempio di questo set di dati, che è incluso come parte del notebook.
- Classificazione delle immagini con più etichette – Questo set di dati mostra come classificare le immagini in più categorie, come il colore, le dimensioni, la trama e il tipo di un fiore. Ad esempio, i coltivatori di piante possono utilizzare le etichette personalizzate Rekognition per distinguere tra diversi tipi di fiori e se sono sani, danneggiati o infetti. L'immagine seguente è un esempio di questo set di dati.
- Rilevazione di oggetti – Questo set di dati mostra la localizzazione degli oggetti per individuare le parti utilizzate nelle linee di produzione o di produzione. Ad esempio, nell'industria elettronica, le etichette personalizzate Rekognition possono aiutare a contare il numero di condensatori su un circuito stampato. L'immagine seguente è un esempio di questo set di dati.
- Rilevamento del marchio e del logo – Questo set di dati mostra la localizzazione di loghi o marchi in un'immagine. Ad esempio, nel settore dei media, un modello di rilevamento degli oggetti può aiutare a identificare la posizione dei loghi degli sponsor nelle fotografie. Quella che segue è un'immagine di esempio da questo set di dati.
- Classificazione delle immagini con etichetta singola – Questo set di dati mostra come classificare le immagini come appartenenti a una serie di etichette predefinite. Ad esempio, le società immobiliari possono utilizzare le etichette personalizzate Rekognition per classificare le loro immagini di soggiorni, cortili, camere da letto e altri luoghi domestici. Quella che segue è un'immagine di esempio di questo set di dati, che è incluso come parte del notebook.
- Segui i passaggi nel notebook eseguendo ogni cella.
Questo taccuino mostra come utilizzare un unico taccuino per affrontare sia la classificazione delle immagini che i casi d'uso del rilevamento di oggetti tramite le API delle etichette personalizzate di Rekognition.
Man mano che procedi con il notebook, hai la possibilità di selezionare uno dei suddetti set di dati di esempio. Ti invitiamo a provare a eseguire il notebook per ciascuno dei set di dati.
Conclusione
In questo post, ti abbiamo mostrato come utilizzare le API Rekognition Custom Labels per creare una classificazione di immagini o un modello di visione artificiale per il rilevamento di oggetti per classificare e identificare oggetti nelle immagini che sono specifici per le tue esigenze aziendali. Per addestrare un modello, puoi iniziare fornendo da decine a centinaia di immagini etichettate anziché migliaia. Rekognition Custom Labels semplifica l'addestramento del modello occupandosi delle scelte dei parametri come il tipo di macchina, il tipo di algoritmo o gli iperparametri specifici dell'algoritmo (incluso il numero di livelli nella rete, la velocità di apprendimento e la dimensione del batch). Rekognition Custom Labels semplifica inoltre l'hosting di un modello addestrato e fornisce una semplice operazione per eseguire l'inferenza con un modello addestrato.
Rekognition Custom Labels offre un'esperienza console di facile utilizzo per il processo di addestramento, la gestione dei modelli e la visualizzazione delle immagini dei set di dati. Ti invitiamo a saperne di più Riconoscimento etichette personalizzate e provalo con i tuoi set di dati specifici per la tua attività.
Per iniziare, puoi accedere al taccuino di esempio Rekognition Custom Labels in SageMaker JumpStart.
Informazioni sugli autori
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.
Abhishek Gupta è Senior AI Services Solution Architect presso AWS. Aiuta i clienti a progettare e implementare soluzioni di visione artificiale.
- 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/image-classification-and-object-detection-using-amazon-rekognition-custom-labels-and-amazon-sagemaker-jumpstart/
- "
- 100
- 2020
- abstract
- operanti in
- indirizzo
- AI
- Servizi di intelligenza artificiale
- algoritmo
- Algoritmi
- già
- Amazon
- API
- automatizzare
- Automazione
- settore automobilistico
- AWS
- Segno di riferimento
- MIGLIORE
- tavola
- marche
- costruire
- Costruzione
- costruisce
- affari
- Può ottenere
- candidato
- che
- casi
- scelte
- Scegli
- classificazione
- Aziende
- computer
- consolle
- creare
- costume
- Clienti
- dati
- decennio
- dimostrare
- schierare
- schierato
- distribuzione
- deployment
- Design
- rivelazione
- sviluppare
- sviluppatori
- diverso
- facilmente
- facile da usare
- ecommerce
- Elettronica
- incoraggiare
- endpoint
- energia
- entrare
- Ambiente
- particolarmente
- tenuta
- esempio
- esistente
- esperienza
- competenza
- famiglia
- i seguenti
- Crescita
- guida
- Aiuto
- aiuta
- alta qualità
- di hosting
- famiglia
- Come
- Tutorial
- Tuttavia
- HTTPS
- centinaia
- identificare
- Immagine
- realizzare
- incluso
- Compreso
- industrie
- industria
- assicurazione
- interesse
- Interfaccia
- coinvolto
- IT
- conoscenze
- etichettatura
- per il tuo brand
- IMPARARE
- apprendimento
- di sollevamento
- piccolo
- vita
- località
- posizioni
- logo
- macchina
- machine learning
- Fare
- gestito
- gestione
- direttore
- consigliato per la
- Media
- milioni
- ML
- modello
- modelli
- Scopri di più
- multiplo
- esigenze
- Rete
- taccuino
- numero
- apre
- operazione
- Opzione
- Altro
- parte
- performance
- esecuzione
- fotografia
- processi
- i processi
- Prodotto
- Produzione
- fornire
- fornisce
- fornitura
- rapidamente
- beni immobili
- riducendo
- Requisiti
- richiede
- Risultati
- nello specifico retail
- Camere
- Correre
- running
- Cerca
- servizio
- Servizi
- set
- Un'espansione
- Taglia
- piccole
- soluzione
- Soluzioni
- risolve
- alcuni
- Spendere
- sponsor
- inizia a
- iniziato
- studio
- presa
- test
- migliaia
- tempo
- Training
- forma
- Tipi di
- unico
- uso
- varietà
- visione
- visualizzazione
- entro
- Lavora