Amazon Rekognitionカスタムラベル はフルマネージドのコンピュータビジョンサービスであり、開発者はカスタムモデルを構築して、ビジネスに固有の画像内のオブジェクトを分類および識別できます。
Rekognition Custom Labelsでは、コンピュータービジョンの専門知識は必要ありません。 数千枚ではなく数十枚の画像をアップロードするだけで始めることができます。 画像にすでにラベルが付けられている場合は、数回クリックするだけでモデルのトレーニングを開始できます。 そうでない場合は、Rekognition Custom Labelsコンソール内で直接ラベルを付けるか、 Amazon SageMakerグラウンドトゥルース それらにラベルを付けます。 Rekognition Custom Labelsは、転移学習を使用して、トレーニングデータを自動的に検査し、適切なモデルフレームワークとアルゴリズムを選択し、ハイパーパラメーターを最適化し、モデルをトレーニングします。 モデルの精度に満足したら、ワンクリックでトレーニング済みモデルのホストを開始できます。
ただし、コンピューター ビジョンの問題を解決し、カスタム モデルの推論結果を視覚化し、そのような推論結果が利用可能になったときに通知を受け取りたいと考えているビジネス ユーザーの場合、そのようなアプリケーションの構築はエンジニアリング チームに頼る必要があります。 たとえば、作物に病気が見つかったときに農業経営管理者に通知したり、ブドウが収穫に熟したときにワインメーカーに通知したり、ソフトドリンクなどの在庫を補充する時期になったときに店舗マネージャーに通知したりすることができます。縦型冷蔵庫の中。
この投稿では、Rekognition Custom Labels によって構築されたモデルを使用して処理された画像内で特定のラベルが識別された場合に、推論結果を視覚化し、登録ユーザーに通知を送信できるソリューションを構築するプロセスを説明します。
ソリューションの概要
次の図は、ソリューションアーキテクチャを示しています。
このソリューションは、次の AWS サービスを使用して、スケーラブルでコスト効率の高いアーキテクチャを実装します。
- アマゾンアテナ – 標準 SQL を使用して Amazon S3 内のデータを簡単に分析できるサーバーレスの対話型クエリ サービス。
- AWSラムダ – データの変更、システム状態の変化、ユーザーアクションなどのトリガーに応じてコードを実行できるサーバーレスコンピューティングサービス。 Amazon S3 は Lambda 関数を直接トリガーできるため、さまざまなリアルタイムの関数を構築できます。 サーバーレス データ処理システム。
- アマゾンクイックサイト – 非常に高速で使いやすい、クラウドを活用したビジネス分析サービス。視覚化の構築、アドホック分析の実行、データからビジネス上の洞察を迅速に得ることが容易になります。
- Amazon Rekognitionカスタムラベル – カスタム コンピューター ビジョン モデルをトレーニングして、ビジネス ニーズに特有の画像内のオブジェクトやシーンを識別できます。
- Amazon シンプル通知サービス – Amazon SNS は、アプリケーション間 (A2A) およびアプリケーション間 (A2P) の両方の通信のためのフルマネージド型メッセージング サービスです。
- Amazon シンプル キュー サービス – Amazon SQS は、マイクロサービス、分散システム、サーバーレス アプリケーションの分離と拡張を可能にするフルマネージドのメッセージ キューイング サービスです。
- Amazon シンプル ストレージ サービス – Amazon S3 はドキュメントのオブジェクト ストアとして機能し、微調整されたアクセス制御による一元管理を可能にします。
このソリューションは、画像が入力 S3 バケットにアップロードされるときにトリガーされるサーバーレス ワークフローを利用します。 SQS キューは、オブジェクト作成のイベント通知を受け取ります。 このソリューションはまた、 配信不能キュー (DLQ) 正しく処理できないメッセージを脇に置いて隔離します。 Lambda 関数は SQS キューをフィードして、 DetectLabels
画像内のすべてのラベルを検出するための API 呼び出し。 このソリューションを拡張して疎結合設計にするために、Lambda 関数は予測結果を別の SQS キューに送信します。 この SQS キューは別の Lambda 関数をトリガーし、予測で見つかったすべてのラベルを分析します。 ユーザー設定 (ソリューションの展開時に構成) に基づいて、この関数はメッセージを SNS トピックに発行します。 SNS トピックは、ユーザーに電子メール通知を配信するように構成されています。 画像にアクセスするために Amazon SNS に送信されるメッセージに URL を追加するように Lambda 関数を設定できます (Amazon S3 を使用) 署名付きURL)。 最後に、Lambda 関数は予測結果と画像メタデータを S3 バケットにアップロードします。 その後、Athena と QuickSight を使用して、S3 バケットからの結果を分析および視覚化できます。
前提条件
Rekognition Custom Labels を使用してモデルをトレーニングし、実行する必要があります。
Rekognition Custom Labels を使用すると、機械学習モデルのトレーニング プロセスを管理できます。 Amazonの再認識 コンソール。エンドツーエンドのモデル開発プロセスが簡素化されます。 この投稿では、 植物の葉の病気を検出するために訓練された分類モデル.
ソリューションを展開する
デプロイします AWS CloudFormation S3 バケット、SQS キュー、SNS トピック、Lambda 関数など、必要なリソースをプロビジョニングするためのテンプレート AWS IDおよびアクセス管理 (IAM) の役割。 テンプレートは us-east-1 リージョンにスタックを作成しますが、テンプレートを使用して、上記の AWS サービスが利用可能な任意のリージョンにスタックを作成できます。
- Rekognition Custom Labels モデルをデプロイしたリージョンと AWS アカウントで次の CloudFormation テンプレートを起動します。
- スタック名、次のようなスタック名を入力します
rekognition-customlabels-analytics-and-notification
. - カスタムモデルARN、使用する Amazon Rekognition Custom Labels モデルの ARN を入力します。
Rekognition Custom Labels モデルは、同じ AWS アカウントにデプロイする必要があります。
- 電子メール通知、通知を受け取りたいメールアドレスを入力します。
- 入力バケット名、スタックが作成するS3バケットの一意の名前を入力します。 例えば、
plant-leaf-disease-data-input
.
ここに、受信した植物の葉の画像が保存されます。
- 興味のあるラベルには、通知を受け取りたい異なるラベルを最大 10 個、カンマ区切り形式で入力できます。 植物の病気の例として、次のように入力します。
bacterial-leaf-blight,leaf-smut
. - 最小信頼度、通知を受け取るための最小信頼しきい値を入力します。 MinConfidence の値を下回る信頼度で検出されたラベルは応答で返されず、通知も生成されません。
- 出力バケット名、スタックが作成するS3バケットの一意の名前を入力します。 例えば、
plant-leaf-disease-data-output
.
出力バケットには、画像メタデータ (見つかったラベルと信頼スコア) を含む JSON ファイルが含まれています。
- 選択する Next.
- ソフトウェア設定ページで、下図のように スタックオプションを構成する ページで、タグを含むスタックの追加パラメータを設定します。
- 選択する Next.
- 機能と変換 セクションで、チェックボックスを選択して、AWSCloudFormationが作成する可能性があることを確認します IAMリソース.
- 選択する スタックを作成.
スタックの詳細ページには、スタックのステータスが次のように表示されます。 CREATE_IN_PROGRESS
。 ステータスがに変わるまで最大5分かかることがあります CREATE_COMPLETE
.
Amazon SNS は、サブスクリプション確認メッセージを E メールアドレスに送信します。 必要がある サブスクリプションを確認する.
ソリューションをテストする
リソースをデプロイしたので、ソリューションをテストする準備が整いました。 必ず確認してください モデルを開始する.
- Amazon S3コンソールで、 バケット.
- 入力 S3 バケットを選択します。
- テスト画像をバケットにアップロードします。
運用環境では、このバケットに画像を配信するための自動プロセスを設定できます。
これらの画像がワークフローをトリガーします。 ラベルの信頼度が指定されたしきい値を超えると、次のような電子メール通知を受け取ります。
これらの通知を任意のユーザーに配信するように SNS トピックを構成することもできます。 目的地 サービスによってサポートされています。
予測結果を分析する
ソリューションをテストした後、ソリューションを拡張して、処理された画像の予測のための視覚的な分析を作成できます。 この目的のために、標準 SQL を使用して Amazon S3 から直接データを簡単に分析できる対話型クエリ サービスである Athena と、データを視覚化する QuickSight を使用します。
Athena を構成する
Amazon Athena に詳しくない場合は、次を参照してください。 このチュートリアル。 Athena コンソールで、次のコードを使用して Athena データカタログにテーブルを作成します。
人口を埋める Location
前述のクエリのフィールドを出力バケット名に置き換えます。 plant-leaf-disease-data-output
.
このコードは、S3 バケット内のテキストの各行を解釈する方法を Athena に指示します。
これで、データをクエリできるようになりました。
SELECT * FROM "default"."rekognition_customlabels_analytics" limit 10;
QuickSight の構成
QuickSight を設定するには、次の手順を実行します。
- Video Cloud Studioで クイックサイトコンソール.
- QuickSight にサインアップしていない場合は、サインアップするオプションが表示されます。 次の手順に従ってください QuickSight を使用するにはサインアップしてください.
- QuickSight にログインした後、選択します QuickSightを管理する あなたのアカウントの下にあります。
- ナビゲーションペインで、 セキュリティと権限.
- AWSサービスへのQuickSightアクセス、選択する 追加または削除.
QuickSight による AWS サービスへのアクセスを有効にするためのページが表示されます。
- 選択 Amazon アテナ.
- ポップアップウィンドウで、 Next.
- [S3] タブで、必要な S3 バケットを選択します。 この投稿では、Athena クエリの結果を保存するバケットを選択します。
- バケットごとに、次も選択します Athena Workgroup の書き込み権限。
- 選択する 終了.
- 選択する アップデイト.
- QuickSightコンソールで、 新しい分析.
- 選択する 新しいデータセット.
- データセット、選択する アテナ.
- データソース名、 入る
Athena-CustomLabels-analysis
. - アテナワークグループ、選択する 主要な.
- 選択する データソースを作成する.
- データベース、選択する
default
ドロップダウンメニューで - テーブル類、テーブルを選択します
rekognition_customlabels_analytics
. - 選択する 選択します。
- 選択する 視覚化する.
- ソフトウェア設定ページで、下図のように 視覚化する ページ、下 フィールズ リストする、選択する ラベル から円グラフを選択します ビジュアルタイプ.
ダッシュボードにさらにビジュアライゼーションを追加できます。 分析の準備ができたら、次のことを選択できます シェアする ダッシュボードを作成して組織内で共有します。
まとめ
この投稿では、Rekognition カスタム ラベルを使用して、処理された画像に含まれる特定のラベル (細菌性葉枯病や黒カビなど) の通知を受け取るソリューションを作成する方法を説明しました。 さらに、Athena と QuickSight を使用して結果を視覚化するダッシュボードを作成する方法を示しました。
このような視覚化ダッシュボードをビジネス ユーザーと簡単に共有し、エンジニアリング チームに頼ってアプリケーションを構築する代わりに、ビジネス ユーザーが通知をサブスクライブできるようにできるようになりました。
著者について
ジェイ・ラオ AWSのプリンシパルソリューションアーキテクトです。 彼は、顧客に技術的および戦略的なガイダンスを提供し、顧客がAWSでソリューションを設計および実装するのを支援することを楽しんでいます。
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。
- "
- &
- 10
- 100
- 116
- 7
- 9
- アクセス
- 行動
- Ad
- 添加
- NEW
- 住所
- アルゴリズム
- すべて
- 既に
- Amazon
- 分析
- 分析論
- 別の
- API
- 申し込み
- 建築
- 自動化
- 利用できます
- AWS
- 国境
- ボックス
- ビルド
- 建物
- ビジネス
- コール
- 取得することができます
- 変化する
- 選択する
- 分類
- コード
- コミュニケーション
- 計算
- 信頼
- 領事
- 含まれています
- コスト効率の良い
- 結合しました
- 作成します。
- 創造
- 作物
- カスタム
- Customers
- ダッシュボード
- データ
- 展開します
- 展開
- 展開
- 設計
- 検出された
- 開発者
- 開発
- 異なります
- 直接に
- 病気
- 配布
- ドキュメント
- そうではありません
- 簡単に
- 有効にする
- エンジニアリング
- 入力します
- イベント
- 例
- 専門知識
- 伸ばす
- 家族
- スピーディー
- 最後に
- フォロー中
- 形式でアーカイブしたプロジェクトを保存します.
- 発見
- フレームワーク
- function
- 生成する
- 持って
- 認定条件
- How To
- HTTPS
- 識別する
- アイデンティティ
- 画像
- 実装する
- 含めて
- 洞察
- 相互作用的
- IT
- 一つだけ
- ラベル
- 学習
- リスト
- 場所
- 探して
- 機械
- 機械学習
- 作る
- マネージド
- 管理
- マネージャー
- メッセージング
- 最小
- モデル
- 他には?
- ナビゲーション
- 通知
- 業務執行統括
- オプション
- 組織
- 写真撮影
- 予測
- 予測
- 校長
- 問題
- プロセス
- ラボレーション
- プロダクト
- 生産
- 提供
- 目的
- すぐに
- への
- 受け取ります
- 必要とする
- リソース
- 応答
- 結果
- ラン
- ランニング
- ド電源のデ
- 規模
- シーン
- サーバレス
- サービス
- サービス
- セッションに
- シェアする
- 簡単な拡張で
- 溶液
- ソリューション
- 解決する
- 支出
- スタック
- 標準
- start
- 開始
- 都道府県
- Status:
- ストレージ利用料
- 店舗
- 店舗
- 戦略的
- 申し込む
- 購読
- サポート
- システム
- チーム
- 技術的
- 伝える
- test
- 数千
- 介して
- 時間
- トレーニング
- 転送
- ユニーク
- つかいます
- users
- 値
- 多様
- ビジョン
- 可視化
- 以内
- 仕事
- ワークグループ