過去XNUMX年間で、コンピュータービジョンのユースケースは、特に保険、自動車、eコマース、エネルギー、小売、製造などの業界で成長傾向にあります。 顧客は、プロセスに運用効率と自動化をもたらすために、コンピュータービジョン機械学習(ML)モデルを構築しています。 このようなモデルは、画像の分類や、ビジネスに固有で固有の画像内の関心のあるオブジェクトの検出を自動化するのに役立ちます。
MLモデル構築プロセスを簡素化するために、 Amazon SageMaker ジャンプスタート 2020年200月。JumpStartは、MLをすばやく簡単に開始するのに役立ちます。 ワンクリックでの展開と、事前にトレーニングされたさまざまなモデルの微調整、およびエンドツーエンドのソリューションの選択を提供します。 これにより、MLプロセスの各ステップから手間のかかる作業がなくなり、高品質のモデルの開発が容易になり、展開までの時間が短縮されます。 ただし、事前にトレーニングされたXNUMXを超えるコンピュータービジョンモデルのカタログからモデルを選択するには、事前の知識が必要です。 次に、さまざまなハイパーパラメータ設定を使用してモデルのパフォーマンスをベンチマークし、本番環境にデプロイするのに最適なモデルを選択する必要があります。
このエクスペリエンスを簡素化し、MLの専門知識がほとんどまたはまったくない開発者がカスタムコンピュータービジョンモデルを構築できるようにするために、JumpStart内で次を使用する新しいサンプルノートブックをリリースします。 Amazon Rekognitionカスタムラベル、カスタムコンピュータビジョンモデルを構築するためのフルマネージドサービス。 Rekognition Custom Labelsは、事前にトレーニングされたモデルから構築されています Amazonの再認識、多くのカテゴリにわたる数千万の画像ですでにトレーニングされています。 数千の画像の代わりに、ユースケースに固有のトレーニング画像の小さなセット(数百以下)から始めることができます。 Rekognition Custom Labelsは、カスタムモデルの構築に伴う複雑さを抽象化します。 トレーニングデータを自動的に検査し、適切なMLアルゴリズムを選択し、インスタンスタイプを選択し、さまざまなハイパーパラメータを使用して複数の候補モデルをトレーニングし、最適なトレーニング済みモデルを出力します。 Rekognition Custom Labelsは、 AWSマネジメントコンソール 画像のラベル付け、トレーニング、モデルの展開、テスト結果の視覚化など、MLワークフロー全体。
Rekognition Custom Labelsを使用したJumpStart内のこのサンプルノートブックは、画像分類またはオブジェクト検出のコンピュータービジョンMLタスクを解決し、顧客が精通していることを容易にします。 アマゾンセージメーカー ユースケース、要件、スキルセットに最適なコンピュータビジョンソリューションを構築します。
この投稿では、JumpStart内でこのサンプルノートブックを使用するための手順を説明します。 このノートブックは、Rekognition Custom Labelsの既存のトレーニングおよび推論APIを簡単に使用して、画像分類モデル、マルチラベル分類モデル、およびオブジェクト検出モデルを作成する方法を示しています。 簡単に始められるように、各モデルのサンプルデータセットを提供しています。
Rekognition Custom Labelsを使用して、コンピュータービジョンモデルをトレーニングおよびデプロイします
このセクションでは、JumpStartで目的のノートブックを見つけ、デプロイされたエンドポイントで推論をトレーニングして実行する方法を示します。
から始めましょう Amazon SageMakerスタジオ ランチャー。
- スタジオランチャーで、 SageMakerJumpStartに移動します.
JumpStartランディングページには、ソリューション、テキストモデル、およびビジョンモデルのカルーセルのセクションがあります。 検索バーもあります。 - 検索バーに次のように入力します
Rekognition Custom Labels
を選択して ビジョンの認識カスタムラベル ノート。
ノートブックは読み取り専用モードで開きます。 - 選択する ノートブックをインポート ノートブックを環境にインポートします。
ノートブックは、JumpStartコンソールからRekognitionカスタムラベルを使用して推論をトレーニングおよび実行するためのステップバイステップガイドを提供します。 シングルラベルおよびマルチラベルの画像分類とオブジェクト検出を示すために、次のXNUMXつのサンプルデータセットを提供します。
-
- シングルラベル画像分類 –このデータセットは、事前定義されたラベルのセットのXNUMXつに属するものとして画像を分類する方法を示しています。 たとえば、不動産会社はRekognition Custom Labelsを使用して、居間、裏庭、寝室、およびその他の世帯の場所の画像を分類できます。 以下は、ノートブックの一部として含まれているこのデータセットのサンプル画像です。
- マルチラベル画像分類 –このデータセットは、画像を色、サイズ、テクスチャ、花の種類などの複数のカテゴリに分類する方法を示しています。 たとえば、植物栽培者はRekognition Custom Labelsを使用して、さまざまな種類の花を区別し、それらが健康であるか、損傷しているか、感染しているかを区別できます。 次の画像は、このデータセットの例です。
- オブジェクト検出 –このデータセットは、生産ラインまたは製造ラインで使用される部品を見つけるためのオブジェクトのローカリゼーションを示しています。 たとえば、エレクトロニクス業界では、RekognitionCustomLabelsは回路基板上のコンデンサの数を数えるのに役立ちます。 次の画像は、このデータセットの例です。
- ブランドとロゴの検出 –このデータセットは、画像内のロゴまたはブランドの場所を示しています。 たとえば、メディア業界では、オブジェクト検出モデルは、写真内のスポンサーロゴの場所を特定するのに役立ちます。 以下は、このデータセットのサンプル画像です。
- シングルラベル画像分類 –このデータセットは、事前定義されたラベルのセットのXNUMXつに属するものとして画像を分類する方法を示しています。 たとえば、不動産会社はRekognition Custom Labelsを使用して、居間、裏庭、寝室、およびその他の世帯の場所の画像を分類できます。 以下は、ノートブックの一部として含まれているこのデータセットのサンプル画像です。
- 各セルを実行して、ノートブックの手順に従います。
このノートブックは、単一のノートブックを使用して、RekognitionカスタムラベルAPIを介して画像分類とオブジェクト検出の両方のユースケースに対処する方法を示しています。
ノートブックを進めるときに、前述のサンプルデータセットのXNUMXつを選択するオプションがあります。 データセットごとにノートブックを実行してみることをお勧めします。
まとめ
この投稿では、Rekognition Custom Labels APIを使用して画像分類を構築する方法、またはオブジェクト検出コンピュータービジョンモデルを使用して、ビジネスニーズに固有の画像内のオブジェクトを分類および識別する方法を紹介しました。 モデルをトレーニングするには、数千ではなく数十から数百のラベル付き画像を提供することから始めることができます。 Rekognition Custom Labelsは、マシンタイプ、アルゴリズムタイプ、アルゴリズム固有のハイパーパラメーター(ネットワーク内のレイヤー数、学習率、バッチサイズなど)などのパラメーターの選択を処理することにより、モデルトレーニングを簡素化します。 Rekognition Custom Labelsはまた、トレーニングされたモデルのホスティングを簡素化し、トレーニングされたモデルで推論を実行するための簡単な操作を提供します。
Rekognition Custom Labelsは、トレーニングプロセス、モデル管理、データセット画像の視覚化のための使いやすいコンソールエクスペリエンスを提供します。 詳細について学ぶことをお勧めします Rekognitionカスタムラベル ビジネス固有のデータセットで試してみてください。
開始するには、次のRekognitionCustomLabelsサンプルノートブックに移動します。 SageMaker ジャンプスタート.
著者について
パシュミーンミストリー AmazonRekognitionカスタムラベルのシニアプロダクトマネージャーです。 仕事以外では、パシュミーンは冒険的なハイキング、写真撮影、家族との時間を楽しんでいます。
アビシェク・グプタ AWSのシニアAIサービスソリューションアーキテクトです。 彼は、顧客がコンピュータービジョンソリューションを設計および実装するのを支援します。
- "
- 100
- 2020
- 抄録
- 越えて
- 住所
- AI
- AIサービス
- アルゴリズム
- アルゴリズム
- 既に
- Amazon
- API
- 自動化する
- オートメーション
- 自動車
- AWS
- ベンチマーク
- BEST
- ボード
- ブランド
- ビルド
- 建物
- 構築します
- ビジネス
- 取得することができます
- 候補者
- これ
- 例
- 選択肢
- 選択する
- 分類
- 企業
- コンピュータ
- 領事
- 作ります
- カスタム
- Customers
- データ
- 十年
- 実証します
- 展開します
- 展開
- 展開する
- 展開
- 設計
- 検出
- 開発する
- 開発者
- 異なります
- 簡単に
- 使いやすい
- eコマース
- 電子
- 奨励する
- エンドポイント
- エネルギー
- 入力します
- 環境
- 特に
- 不動産
- 例
- 既存の
- 体験
- 専門知識
- 家族
- フォロー中
- 成長
- ガイド
- 助けます
- ことができます
- 高品質
- ホスティング
- 家庭
- 認定条件
- How To
- しかしながら
- HTTPS
- 何百
- 識別する
- 画像
- 実装する
- 含まれました
- 含めて
- 産業
- 産業を変えます
- 保険
- 関心
- インタフェース
- 関係する
- IT
- 知識
- ラベリング
- ラベル
- LEARN
- 学習
- フェイスリフト
- 少し
- 生活
- 場所
- 場所
- ロゴ
- 機械
- 機械学習
- 作成
- マネージド
- 管理
- マネージャー
- 製造業
- メディア
- 何百万
- ML
- モデル
- 他には?
- の試合に
- ニーズ
- ネットワーク
- ノート
- 数
- 開きます
- 操作
- オプション
- その他
- 部
- パフォーマンス
- 実行
- 写真撮影
- プロセス
- ラボレーション
- プロダクト
- 生産
- 提供します
- は、大阪で
- 提供
- すぐに
- 不動産
- 縮小
- 要件
- 必要
- 結果
- 小売
- 客室
- ラン
- ランニング
- を検索
- サービス
- サービス
- セッションに
- 簡単な拡張で
- サイズ
- 小さい
- 溶液
- ソリューション
- 解決する
- 一部
- 支出
- スポンサー
- start
- 開始
- 研究
- 取得
- test
- 数千
- 時間
- トレーニング
- 列車
- ユニーク
- つかいます
- 多様
- ビジョン
- 可視化
- 以内
- 仕事