בעשור האחרון, מקרי שימוש בראייה ממוחשבת היו מגמה גוברת, במיוחד בתעשיות כמו ביטוח, רכב, מסחר אלקטרוני, אנרגיה, קמעונאות, ייצור ואחרים. לקוחות בונים מודלים של למידה ממוחשבת (ML) כדי להביא יעילות תפעולית ואוטומציה לתהליכים שלהם. מודלים כאלה עוזרים לבצע אוטומציה של סיווג תמונות או זיהוי של אובייקטים מעניינים בתמונות ספציפיות וייחודיות לעסק שלך.
כדי לפשט את תהליך בניית מודל ML, הצגנו אמזון SageMaker JumpStart בדצמבר 2020. JumpStart עוזר לך להתחיל במהירות ובקלות עם ML. הוא מספק פריסה בלחיצה אחת וכוונון עדין של מגוון רחב של דגמים מאומנים מראש, כמו גם מבחר של פתרונות מקצה לקצה. זה מסיר את ההרמה הכבדה מכל שלב בתהליך ה-ML, מה שמקל על פיתוח מודלים באיכות גבוהה ומצמצם את זמן הפריסה. עם זאת, זה דורש ממך ידע מוקדם כדי לעזור בבחירת הדגמים מתוך קטלוג של למעלה מ-200 דגמי ראייה ממוחשבת מאומנים מראש. לאחר מכן, עליך לסמן את ביצועי המודל עם הגדרות היפרפרמטר שונות ולבחור את הדגם הטוב ביותר שייפרס בייצור.
כדי לפשט את החוויה הזו ולאפשר למפתחים עם מומחיות מועטה או ללא מומחיות ב-ML לבנות מודלים מותאמים אישית של ראייה ממוחשבת, אנו מוציאים מחברת דוגמה חדשה בתוך JumpStart שמשתמשת תוויות מותאמות אישית של Amazon Rekognition, שירות מנוהל במלואו לבניית דגמי ראייה ממוחשבת מותאמים אישית. תוויות מותאמות אישית של זיהוי מבוסס על הדגמים שהוכשרו מראש אמזון, שכבר הוכשרו על עשרות מיליוני תמונות בקטגוריות רבות. במקום אלפי תמונות, אתה יכול להתחיל עם סט קטן של תמונות אימון (כמה מאות או פחות) הספציפיות למקרה השימוש שלך. זיהוי תוויות מותאמות אישית מרחיק את המורכבות הכרוכה בבניית מודל מותאם אישית. הוא בודק אוטומטית את נתוני האימון, בוחר את אלגוריתמי ה-ML הנכונים, בוחר את סוג המופע, מאמן מספר מודלים מועמדים עם היפרפרמטרים שונים ומוציא את המודל המאומן הטוב ביותר. זיהוי תוויות מותאמות אישית מספק גם ממשק קל לשימוש מה- קונסולת הניהול של AWS עבור כל זרימת העבודה של ML, כולל תיוג תמונות, הדרכה, פריסת מודל והצגה של תוצאות הבדיקה.
מחברת לדוגמה זו בתוך JumpStart באמצעות תוויות מותאמות אישית של זיהוי פותרת כל משימת סיווג תמונה או זיהוי אובייקט ראיית מחשב ML, מה שמקל על לקוחות המכירים אמזון SageMaker לבנות פתרון ראייה ממוחשבת המתאים בצורה הטובה ביותר למקרה השימוש, הדרישות ומערך הכישורים שלך.
בפוסט זה, אנו מספקים הנחיות שלב אחר שלב לשימוש במחברת לדוגמה זו בתוך JumpStart. המחברת מדגים כיצד להשתמש בקלות ב-Rekognition Custom Labels ממשקי API הקיימים להדרכה והסקת מסקנות ליצירת מודל סיווג תמונה, מודל סיווג מרובה תוויות ומודל זיהוי אובייקטים. כדי להקל עליך להתחיל, סיפקנו מערכי נתונים לדוגמה עבור כל דגם.
אימון ופריסה של מודל ראייה ממוחשבת באמצעות זיהוי תוויות מותאמות אישית
בחלק זה, אנו מאתרים את המחברת הרצויה ב-JumpStart, ומדגים כיצד לאמן ולהפעיל הסקה על נקודת הקצה שנפרסה.
בואו נתחיל מה סטודיו SageMaker של אמזון מַשׁגֵר.
- ב-Studio Launcher, בחר עבור אל SageMaker JumpStart.
בדף הנחיתה של JumpStart יש חלקים לקרוסלות לפתרונות, מודלים של טקסט ומודלים של חזון. יש לו גם שורת חיפוש. - בסרגל החיפוש, הזן
Rekognition Custom Labels
ולבחור את זיהוי תוויות מותאמות אישית עבור Vision מחברת.
המחברת נפתחת במצב קריאה בלבד. - בחרו ייבא מחברת לייבא את המחברת לסביבה שלך.
המחברת מספקת מדריך שלב אחר שלב לאימון והסקת ריצה באמצעות תוויות מותאמות אישית של זיהוי ממסוף JumpStart. הוא מספק את ארבעת מערכי הנתונים הבאים לדוגמה כדי להדגים סיווג תמונות חד וריבוי תוויות וזיהוי אובייקטים.
-
- סיווג תמונה בתווית אחת – מערך נתונים זה מדגים כיצד לסווג תמונות כשייכות לאחת מתוך קבוצה של תוויות מוגדרות מראש. לדוגמה, חברות נדל"ן יכולות להשתמש בתוויות מותאמות אישית של הכרה כדי לסווג את התמונות שלהן של חדרי מגורים, חצרות אחוריות, חדרי שינה ומיקומים ביתיים אחרים. להלן תמונה לדוגמה ממערך נתונים זה, הכלולה כחלק מהמחברת.
- סיווג תמונות מרובות תוויות – מערך נתונים זה מדגים כיצד לסווג תמונות למספר קטגוריות, כגון צבע, גודל, מרקם וסוג של פרח. לדוגמה, מגדלי צמחים יכולים להשתמש ב-Rekognition Custom Labels כדי להבחין בין סוגים שונים של פרחים ואם הם בריאים, פגומים או נגועים. התמונה הבאה היא דוגמה ממערך הנתונים הזה.
- איתור אובייקטים – מערך נתונים זה מדגים לוקליזציה של אובייקטים כדי לאתר חלקים המשמשים בקווי ייצור או ייצור. לדוגמה, בתעשיית האלקטרוניקה, Rekognition Custom Labels יכולים לעזור לספור את מספר הקבלים במעגל. התמונה הבאה היא דוגמה ממערך הנתונים הזה.
- זיהוי מותג ולוגו - מערך נתונים זה מדגים איתור לוגו או מותגים בתמונה. לדוגמה, בתעשיית המדיה, מודל זיהוי אובייקטים יכול לסייע בזיהוי המיקום של לוגו נותני החסות בתמונות. להלן תמונה לדוגמה ממערך נתונים זה.
- סיווג תמונה בתווית אחת – מערך נתונים זה מדגים כיצד לסווג תמונות כשייכות לאחת מתוך קבוצה של תוויות מוגדרות מראש. לדוגמה, חברות נדל"ן יכולות להשתמש בתוויות מותאמות אישית של הכרה כדי לסווג את התמונות שלהן של חדרי מגורים, חצרות אחוריות, חדרי שינה ומיקומים ביתיים אחרים. להלן תמונה לדוגמה ממערך נתונים זה, הכלולה כחלק מהמחברת.
- בצע את השלבים במחברת על ידי הפעלת כל תא.
מחברת זו מדגים כיצד ניתן להשתמש במחברת יחידה כדי לטפל הן במקרי שימוש בסיווג תמונות והן במקרי שימוש בזיהוי אובייקטים באמצעות ממשקי API של תווית מותאמת אישית של Rekognition.
כשאתה ממשיך עם המחברת, יש לך אפשרות לבחור באחד ממערכי הנתונים לדוגמה שהוזכרו לעיל. אנו ממליצים לך לנסות להפעיל את המחברת עבור כל אחד ממערכי הנתונים.
סיכום
בפוסט זה, הראנו לך כיצד להשתמש בממשקי API של Rekognition Custom Labels כדי לבנות סיווג תמונה או מודל ראייה ממוחשבת לזיהוי אובייקטים כדי לסווג ולזהות אובייקטים בתמונות הספציפיים לצרכים העסקיים שלך. כדי להכשיר דוגמנית, אתה יכול להתחיל על ידי אספקת עשרות עד מאות תמונות מתויגות במקום אלפים. זיהוי תוויות מותאמות אישית מפשט את הכשרת המודל על ידי טיפול בבחירות פרמטרים כגון סוג מכונה, סוג אלגוריתם או היפרפרמטרים ספציפיים לאלגוריתם (כולל מספר השכבות ברשת, קצב למידה וגודל אצווה). תוויות מותאמות אישית של זיהוי גם מפשטות אירוח של דגם מאומן ומספקת פעולה פשוטה לביצוע הסקה עם דגם מאומן.
Rekognition Custom Labels מספקת חווית קונסולה קלה לשימוש עבור תהליך ההדרכה, ניהול מודלים והדמיה של תמונות מערך נתונים. אנו ממליצים לך ללמוד עוד על זיהוי תוויות מותאמות אישית ונסה זאת עם מערכי הנתונים הספציפיים לעסק שלך.
כדי להתחיל, תוכל לנווט למחברת לדוגמה של זיהוי תוויות מותאמות אישית ב SageMaker JumpStart.
על הכותבים
פשמין מיסטרי הוא מנהל מוצר בכיר עבור אמזון זיהוי תוויות מותאמות אישית. מחוץ לעבודה, פשמין נהנה מטיולים הרפתקנים, צילום ובילוי עם משפחתו.
אבהישק גופטה הוא אדריכל שירותי AI בכיר ב-AWS. הוא עוזר ללקוחות לתכנן ולהטמיע פתרונות ראייה ממוחשבת.
- Coinsmart. בורסת הביטקוין והקריפטו הטובה באירופה.
- Platoblockchain. Web3 Metaverse Intelligence. ידע מוגבר. גישה חופשית.
- CryptoHawk. רדאר אלטקוין. ניסיון חינם.
- מקור: https://aws.amazon.com/blogs/machine-learning/image-classification-and-object-detection-using-amazon-rekognition-custom-labels-and-amazon-sagemaker-jumpstart/
- "
- 100
- 2020
- תקצירים
- לרוחב
- כתובת
- AI
- שירותי AI
- אַלגוֹרִיתְם
- אלגוריתמים
- כְּבָר
- אמזון בעברית
- ממשקי API
- אוטומטי
- אוטומציה
- רכב
- AWS
- בנצ 'מרק
- הטוב ביותר
- לוּחַ
- מותגים
- לִבנוֹת
- בִּניָן
- בונה
- עסקים
- יכול לקבל
- מועמד
- אשר
- מקרים
- בחירות
- בחרו
- מיון
- חברות
- המחשב
- קונסול
- לִיצוֹר
- מנהג
- לקוחות
- נתונים
- עָשׂוֹר
- להפגין
- לפרוס
- פרס
- פריסה
- פריסה
- עיצוב
- איתור
- לפתח
- מפתחים
- אחר
- בקלות
- קל לשימוש
- מסחר אלקטרוני
- מכשירי חשמל
- לעודד
- נקודת קצה
- אנרגיה
- זן
- סביבה
- במיוחד
- אחוזה
- דוגמה
- קיימים
- ניסיון
- מומחיות
- משפחה
- הבא
- גדל
- מדריך
- לעזור
- עוזר
- באיכות גבוהה
- אירוח
- בית
- איך
- איך
- אולם
- HTTPS
- מאות
- לזהות
- תמונה
- ליישם
- כלול
- כולל
- תעשיות
- תעשייה
- ביטוח
- אינטרס
- מִמְשָׁק
- מעורב
- IT
- ידע
- תיוג
- תוויות
- לִלמוֹד
- למידה
- רמה
- קְצָת
- חי
- מיקום
- מקומות
- סֵמֶל
- מכונה
- למידת מכונה
- עשייה
- הצליח
- ניהול
- מנהל
- ייצור
- מדיה
- מיליונים
- ML
- מודל
- מודלים
- יותר
- מספר
- צרכי
- רשת
- מחברה
- מספר
- נפתח
- מבצע
- אפשרות
- אחר
- חלק
- ביצועים
- ביצוע
- צילום
- תהליך
- תהליכים
- המוצר
- הפקה
- לספק
- מספק
- מתן
- מהירות
- מקרקעין
- הפחתה
- דרישות
- דורש
- תוצאות
- קמעוני
- חדרים
- הפעלה
- ריצה
- חיפוש
- שרות
- שירותים
- סט
- פָּשׁוּט
- מידה
- קטן
- פִּתָרוֹן
- פתרונות
- פותר
- כמה
- הוצאה
- סנדק
- התחלה
- החל
- סטודיו
- נטילת
- מבחן
- אלפים
- זמן
- הדרכה
- רכבות
- סוגים
- ייחודי
- להשתמש
- מגוון
- חזון
- ראיה
- בתוך
- תיק עבודות