תוויות מותאמות אישית של Amazon Rekognition הוא שירות ראייה ממוחשבת מנוהל במלואו המאפשר למפתחים לבנות מודלים מותאמים אישית לסיווג וזיהוי אובייקטים בתמונות ספציפיות וייחודיות לעסק שלך.
זיהוי תוויות מותאמות אישית אינן מחייבות אותך מומחיות קודמת בראיית מחשב. אתה יכול להתחיל פשוט על ידי העלאת עשרות תמונות במקום אלפים. אם התמונות כבר מסומנות, אתה יכול להתחיל לאמן דוגמנית בכמה קליקים בלבד. אם לא, אתה יכול לתייג אותם ישירות בתוך קונסולת התוויות המותאמות אישית של זיהוי, או להשתמש האמת של אמזון SageMaker כדי לתייג אותם. תוויות מותאמות אישית של זיהוי משתמש בלימוד העברה כדי לבדוק אוטומטית את נתוני האימון, לבחור את מסגרת המודל והאלגוריתם הנכונים, לייעל את הפרמטרים ההיפר ולאמן את המודל. כאשר אתה מרוצה מהדיוק של הדגם, אתה יכול להתחיל לארח את הדגם המיומן בלחיצה אחת בלבד.
עם זאת, אם אתה משתמש עסקי המעוניין לפתור בעיית ראייה ממוחשבת, להמחיש תוצאות מסקנות של המודל המותאם אישית ולקבל הודעות כאשר תוצאות מסקנות כאלה זמינות, עליך לסמוך על צוות ההנדסה שלך כדי לבנות יישום כזה. לדוגמה, מנהל תפעול חקלאי יכול לקבל הודעה כאשר יבול מתגלה כמחלה, יינן יכול לקבל הודעה כאשר הענבים בשלים לבציר, או מנהל חנות יכול לקבל הודעה כאשר הגיע הזמן לחדש את המלאי כגון משקאות קלים. במקרר אנכי.
בפוסט זה, אנו מדריכים אותך בתהליך של בניית פתרון המאפשר לך לדמיין את תוצאת ההסקה ולשלוח הודעות למשתמשים רשומים כאשר תוויות ספציפיות מזוהות בתמונות המעובדות באמצעות מודלים שנבנו על ידי Rekognition Custom Labels.
סקירת פתרונות
התרשים הבא ממחיש את ארכיטקטורת הפתרונות שלנו.
פתרון זה משתמש בשירותי AWS הבאים כדי ליישם ארכיטקטורה ניתנת להרחבה וחסכונית:
- אמזונה אתנה – שירות שאילתות אינטראקטיבי ללא שרת המקל על ניתוח נתונים באמזון S3 באמצעות SQL רגיל.
- AWS למבדה - שירות מחשוב ללא שרת המאפשר לך להריץ קוד בתגובה לטריגרים כגון שינויים בנתונים, שינויים במצב המערכת או פעולות משתמש. מכיוון שאמזון S3 יכול להפעיל ישירות פונקציית Lambda, אתה יכול לבנות מגוון של זמן אמת ללא שרת מערכות לעיבוד נתונים.
- אמזון קוויקסייט – שירות ניתוח עסקי מהיר מאוד, קל לשימוש, מופעל בענן, המקל על בניית הדמיות, ביצוע ניתוח אד-הוק וקבלת תובנות עסקיות במהירות מהנתונים.
- תוויות מותאמות אישית של Amazon Rekognition - מאפשר לך לאמן מודל ראייה ממוחשבת מותאם אישית כדי לזהות את האובייקטים והסצנות בתמונות הספציפיות לצרכי העסק שלך.
- שירות התראה פשוט של אמזון - Amazon SNS הוא שירות הודעות מנוהל במלואו לתקשורת בין אפליקציה לאפליקציה (A2A) וגם לתקשורת בין אפליקציה לאדם (A2P).
- שירות תורים פשוט של אמזון - Amazon SQS הוא שירות תורי הודעות מנוהל במלואו המאפשר לך לנתק ולהרחיב מיקרו-שירותים, מערכות מבוזרות ויישומים ללא שרתים.
- שירות אחסון פשוט של אמזון – Amazon S3 משמש כמחסן אובייקטים עבור המסמכים שלך ומאפשר ניהול מרכזי עם בקרות גישה מכווננות.
הפתרון משתמש בזרימת עבודה ללא שרת המופעלת כאשר תמונה מועלית לדלי הקלט S3. תור SQS מקבל הודעת אירוע ליצירת אובייקט. הפתרון גם יוצר תורים של אותיות מתות (DLQs) לשים בצד ולבודד הודעות שלא ניתן לעבד כהלכה. פונקציית Lambda ניזונה מהתור של SQS ועושה את DetectLabels
קריאת API לזיהוי כל התוויות בתמונה. כדי להרחיב את הפתרון הזה ולהפוך אותו לעיצוב משולב בצורה רופפת, פונקציית Lambda שולחת את תוצאות החיזוי לתור SQS אחר. תור SQS זה מפעיל פונקציית Lambda נוספת, שמנתחת את כל התוויות שנמצאו בתחזיות. בהתבסס על העדפת המשתמש (המוגדרת במהלך פריסת הפתרון), הפונקציה מפרסמת הודעה לנושא SNS. נושא ה-SNS מוגדר לספק הודעות דוא"ל למשתמש. אתה יכול להגדיר את פונקציית Lambda להוסיף כתובת URL להודעה שנשלחה לאמזון SNS כדי לגשת לתמונה (באמצעות Amazon S3 כתובת URL מוגדרת מראש). לבסוף, פונקציית Lambda מעלה תוצאת חיזוי ומטא נתונים של תמונה לדלי S3. לאחר מכן תוכל להשתמש ב- Athena וב-QuickSight כדי לנתח ולהמחיש את התוצאות מדלי S3.
תנאים מוקדמים
אתה צריך לקבל מודל מאומן ורץ עם תוויות מותאמות אישית של Rekognition.
זיהוי תוויות מותאמות אישית מאפשר לך לנהל את תהליך ההכשרה של מודל למידת מכונה ב- אמזון קונסולה, אשר מפשטת את תהליך פיתוח המודלים מקצה לקצה. עבור פוסט זה, אנו משתמשים מודל סיווג שהוכשר לאיתור מחלות עלי צמחים.
פרוס את הפתרון
אתה פורס AWS CloudFormation תבנית לאספקת המשאבים הדרושים, כולל דלי S3, תורי SQS, נושא SNS, פונקציות למבדה ו AWS זהות וניהול גישה (IAM) תפקידים. התבנית יוצרת את המחסנית של אזור us-east-1, אבל אתה יכול להשתמש בתבנית כדי ליצור את המחסנית שלך בכל אזור שבו שירותי ה-AWS הנ"ל זמינים.
- הפעל את תבנית CloudFormation הבאה בחשבון האזור וה-AWS שבו פרסת את מודל התוויות המותאמות אישית של Rekognition:
- בעד שם ערימה, הזן שם מחסנית, כגון
rekognition-customlabels-analytics-and-notification
. - בעד CustomModelARN, הזן את ה-ARN של דגם Amazon Rekognition Custom Labels שבו תרצה להשתמש.
יש לפרוס את מודל התוויות המותאמות אישית של זיהוי באותו חשבון AWS.
- בעד הודעה באימייל, הזן כתובת אימייל שבה ברצונך לקבל הודעות.
- בעד InputBucketName, הזן שם ייחודי לדלי S3 שהמחסנית יוצרת; לדוגמה,
plant-leaf-disease-data-input
.
זה המקום שבו מאוחסנות תמונות עלי הצמח הנכנסות.
- בעד תוויות עניין, תוכל להזין עד 10 תוויות שונות שברצונך לקבל עליהן הודעה, בפורמט מופרד בפסיקים. לדוגמא של מחלת הצמח שלנו, הכנס
bacterial-leaf-blight,leaf-smut
. - בעד MinConfidence, הזן את סף הביטחון המינימלי כדי לקבל הודעה. תוויות שזוהו עם ביטחון נמוך מהערך של MinConfidence לא מוחזרות בתגובה ולא ייצרו הודעה.
- בעד שם OutputBucket, הזן שם ייחודי לדלי S3 שהמחסנית יוצרת; לדוגמה,
plant-leaf-disease-data-output
.
דלי הפלט מכיל קובצי JSON עם מטא נתונים של תמונה (נמצאו תוויות וציון ביטחון).
- בחרו הַבָּא.
- על הגדר אפשרויות ערימה דף, הגדר פרמטרים נוספים עבור הערימה, כולל תגים.
- בחרו הַבָּא.
- ב יכולות והופכות סעיף, בחר בתיבת הסימון כדי לאשר ש-AWS CloudFormation עשוי ליצור משאבי IAM.
- בחרו צור ערימה.
דף פרטי המחסנית אמור להציג את מצב הערימה כ CREATE_IN_PROGRESS
. זה יכול לקחת עד 5 דקות עד שהסטטוס ישתנה ל- CREATE_COMPLETE
.
Amazon SNS תשלח הודעת אישור מנוי לכתובת הדוא"ל. אתה צריך לאשר את המנוי.
בדוק את הפתרון
כעת, לאחר שפרסנו את המשאבים, אנו מוכנים לבדוק את הפתרון. תהיה בטוח ש להתחיל את הדגם.
- במסוף S3 של אמזון בחר דליים.
- בחר את דלי הקלט S3.
- העלה תמונות בדיקה לדלי.
בייצור, אתה יכול להגדיר תהליכים אוטומטיים כדי לספק תמונות לדלי זה.
תמונות אלו מפעילות את זרימת העבודה. אם בטחון התווית חורג מהסף שצוין, תקבל הודעת דוא"ל כמו הבאה.
אתה יכול גם להגדיר את נושא ה-SNS כדי להעביר את ההתראות האלה לכל אחד יעדים נתמך על ידי השירות.
נתח את תוצאות החיזוי
לאחר בדיקת הפתרון, תוכל להרחיב את הפתרון כדי ליצור ניתוח חזותי עבור התחזיות של תמונות מעובדות. לצורך כך, אנו משתמשים ב- Athena, שירות שאילתות אינטראקטיבי המקל על ניתוח הנתונים ישירות מאמזון S3 באמצעות SQL סטנדרטי, וב-QuickSight כדי להמחיש את הנתונים.
הגדר את אתנה
אם אינך מכיר את אמזון אתנה, ראה מדריך זה. במסוף Athena, צור טבלה בקטלוג הנתונים של Athena עם הקוד הבא:
אוכלוסיית Location
שדה בשאילתה הקודמת עם שם דלי הפלט שלך, כגון plant-leaf-disease-data-output
.
קוד זה אומר לאתנה כיצד לפרש כל שורה של הטקסט בדלי S3.
כעת אתה יכול לשאול את הנתונים:
SELECT * FROM "default"."rekognition_customlabels_analytics" limit 10;
הגדר את QuickSight
כדי להגדיר את QuickSight, בצע את השלבים הבאים:
- פתח את קונסולת QuickSight.
- אם לא נרשמתם ל-QuickSight, תתבקשו האפשרות להירשם. בצע את השלבים ל הירשם כדי להשתמש ב-QuickSight.
- לאחר הכניסה ל-QuickSight, בחר נהל את QuickSight תחת החשבון שלך.
- בחלונית הניווט בחר אבטחה והרשאות.
- תַחַת גישה מהירה לשירותי AWS, בחר להוסיף או להסיר.
מופיע דף המאפשר גישה ל-QuickSight לשירותי AWS.
- בחר אמזון בעברית אתנה.
- בחלון הקופץ בחר הַבָּא.
- בכרטיסייה S3, בחר את דלי S3 הדרושים. עבור פוסט זה, אני בוחר את הדלי שמאחסן את תוצאות שאילתת Athena שלי.
- עבור כל דלי, בחר גם הרשאת כתיבה עבור Athena Workgroup.
- בחרו סיום.
- בחרו עדכון.
- במסוף QuickSight, בחר ניתוח חדש.
- בחרו מערך נתונים חדש.
- בעד מערכי נתונים, בחר אתנה.
- בעד שם מקור הנתונים, להיכנס
Athena-CustomLabels-analysis
. - בעד קבוצת עבודה של אתנה, בחר יְסוֹדִי.
- בחרו צור מקור נתונים.
- בעד מסד נתונים, בחר
default
בתפריט הנפתח. - בעד לוחות, בחר את הטבלה
rekognition_customlabels_analytics
. - בחרו בחר.
- בחרו דמיין.
- על דמיין עמוד, מתחת ל- שדות רשימה, בחר תווית ובחר את תרשים העוגה טיפוסים חזותיים.
אתה יכול להוסיף עוד הדמיות בלוח המחוונים. כאשר הניתוח שלך מוכן, אתה יכול לבחור שיתוף כדי ליצור לוח מחוונים ולשתף אותו בתוך הארגון שלך.
<br> סיכום
בפוסט זה, הראינו כיצד ניתן ליצור פתרון לקבלת הודעות עבור תוויות ספציפיות (כגון עלים חיידקיים או כתמת עלים) שנמצאו בתמונות מעובדות באמצעות תוויות מותאמות אישית של זיהוי. בנוסף, הראינו כיצד ניתן ליצור לוחות מחוונים כדי להמחיש את התוצאות באמצעות Athena ו-QuickSight.
כעת אתה יכול לשתף בקלות לוחות מחוונים להדמיה כאלה עם משתמשים עסקיים ולאפשר להם להירשם להתראות במקום להסתמך על צוותי ההנדסה שלך כדי לבנות אפליקציה כזו.
על הכותבים
ג'יי ראו הוא אדריכל פתרונות ראשי ב-AWS. הוא נהנה לספק הדרכה טכנית ואסטרטגית ללקוחות ולעזור להם לתכנן ולהטמיע פתרונות ב-AWS.
פשמין מיסטרי הוא מנהל מוצר בכיר עבור אמזון זיהוי תוויות מותאמות אישית. מחוץ לעבודה, פשמין נהנה מטיולים הרפתקנים, צילום ובילוי עם משפחתו.
- 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/receive-notifications-for-image-analysis-with-amazon-rekognition-custom-labels-and-analyze-predictions/
- "
- &
- 10
- 100
- 116
- 7
- 9
- גישה
- חֶשְׁבּוֹן
- פעולות
- Ad
- תוספת
- נוסף
- כתובת
- אַלגוֹרִיתְם
- תעשיות
- כְּבָר
- אמזון בעברית
- אנליזה
- ניתוח
- אחר
- API
- בקשה
- יישומים
- ארכיטקטורה
- אוטומטי
- זמין
- AWS
- גבול
- אריזה מקורית
- לִבנוֹת
- בִּניָן
- עסקים
- שיחה
- יכול לקבל
- שינוי
- בחרו
- מיון
- קוד
- תקשורת
- לחשב
- אמון
- קונסול
- מכיל
- עלות תועלת
- יחד
- יוצר
- יצירה
- יבול
- מנהג
- לקוחות
- לוח מחוונים
- נתונים
- לפרוס
- פרס
- פריסה
- עיצוב
- זוהה
- מפתחים
- צעצועי התפתחות
- אחר
- ישירות
- מַחֲלָה
- מופץ
- מסמכים
- לא
- בקלות
- אמייל
- מה שמאפשר
- הנדסה
- זן
- אירוע
- דוגמה
- מומחיות
- להאריך
- משפחה
- מהר
- בסופו של דבר
- לעקוב
- הבא
- פוּרמָט
- מצא
- מסגרת
- פונקציה
- ליצור
- יש
- איך
- איך
- HTTPS
- לזהות
- זהות
- תמונה
- ליישם
- כולל
- קלט
- תובנות
- אינטראקטיבי
- IT
- רק אחד
- תוויות
- למידה
- רשימה
- מיקום
- הסתכלות
- מכונה
- למידת מכונה
- עושה
- הצליח
- ניהול
- מנהל
- הודעות
- מינימום
- מודל
- מודלים
- יותר
- ניווט
- הודעה
- תפעול
- אפשרות
- ארגון
- צילום
- נבואה
- התחזיות
- מנהל
- בעיה
- תהליך
- תהליכים
- המוצר
- הפקה
- מתן
- מטרה
- מהירות
- זמן אמת
- לקבל
- לדרוש
- משאבים
- תגובה
- תוצאות
- הפעלה
- ריצה
- להרחבה
- סולם
- סצנות
- ללא שרת
- שרות
- שירותים
- סט
- שיתוף
- פָּשׁוּט
- פִּתָרוֹן
- פתרונות
- לפתור
- הוצאה
- לערום
- תֶקֶן
- התחלה
- החל
- מדינה
- מצב
- אחסון
- חנות
- חנויות
- אסטרטגי
- הירשמו
- מִנוּיים
- נתמך
- מערכת
- מערכות
- נבחרת
- טכני
- אומר
- מבחן
- אלפים
- דרך
- זמן
- הדרכה
- להעביר
- ייחודי
- להשתמש
- משתמשים
- ערך
- מגוון
- חזון
- ראיה
- בתוך
- תיק עבודות
- קבוצת עבודה