Amazon Rekognition 사용자 지정 레이블 는 개발자가 비즈니스에 고유하고 고유한 이미지의 개체를 분류하고 식별하는 사용자 지정 모델을 구축할 수 있는 완전 관리형 컴퓨터 비전 서비스입니다.
Rekognition Custom Labels를 사용하려면 컴퓨터 비전에 대한 사전 지식이 필요하지 않습니다. 수천 개가 아닌 수십 개의 이미지를 업로드하기만 하면 시작할 수 있습니다. 이미지에 이미 레이블이 지정되어 있는 경우 몇 번의 클릭만으로 모델 학습을 시작할 수 있습니다. 그렇지 않은 경우 Rekognition Custom Labels 콘솔 내에서 직접 레이블을 지정하거나 다음을 사용할 수 있습니다. 아마존 세이지 메이커 그라운드 진실 레이블을 지정합니다. Rekognition Custom Labels는 전이 학습을 사용하여 훈련 데이터를 자동으로 검사하고, 올바른 모델 프레임워크와 알고리즘을 선택하고, 하이퍼파라미터를 최적화하고, 모델을 훈련합니다. 모델 정확도에 만족하면 클릭 한 번으로 훈련된 모델 호스팅을 시작할 수 있습니다.
그러나 컴퓨터 비전 문제를 해결하고, 사용자 정의 모델의 추론 결과를 시각화하고, 그러한 추론 결과를 사용할 수 있을 때 알림을 받으려는 비즈니스 사용자인 경우 엔지니어링 팀에 의존하여 이러한 애플리케이션을 구축해야 합니다. 예를 들어 농작물에 질병이 있는 것으로 확인되면 농업 운영 관리자에게 알릴 수 있고, 수확할 포도가 익었을 때 포도주 양조업자에게 알릴 수 있으며 청량 음료와 같은 재고를 보충할 때가 되면 매장 관리자에게 알릴 수 있습니다. 수직 냉장고에서.
이 게시물에서는 Rekognition Custom Labels에서 구축한 모델을 사용하여 처리한 이미지에서 특정 라벨이 식별되면 추론 결과를 시각화하고 구독한 사용자에게 알림을 보낼 수 있는 솔루션을 구축하는 과정을 안내합니다.
솔루션 개요
다음 다이어그램은 솔루션 아키텍처를 보여줍니다.
이 솔루션은 다음 AWS 서비스를 사용하여 확장 가능하고 비용 효율적인 아키텍처를 구현합니다.
- 아마존 아테나 – 표준 SQL을 사용하여 Amazon S3의 데이터를 쉽게 분석할 수 있는 서버리스 대화형 쿼리 서비스입니다.
- AWS 람다 – 데이터 변경, 시스템 상태 변경 또는 사용자 작업과 같은 트리거에 대한 응답으로 코드를 실행할 수 있는 서버리스 컴퓨팅 서비스입니다. Amazon S3는 Lambda 함수를 직접 트리거할 수 있으므로 다양한 실시간 서버리스 데이터 처리 시스템.
- 아마존 퀵 사이트 – 매우 빠르고 사용하기 쉬운 클라우드 기반 비즈니스 분석 서비스로 쉽게 시각화를 구축하고 임시 분석을 수행하며 데이터에서 비즈니스 통찰력을 빠르게 얻을 수 있습니다.
- Amazon Rekognition 사용자 지정 레이블 – 사용자 지정 컴퓨터 비전 모델을 교육하여 비즈니스 요구 사항에 맞는 이미지의 개체와 장면을 식별할 수 있습니다.
- 아마존 단순 알림 서비스 – Amazon SNS는 A2A(Application-to-Application) 및 A2P(Application-to-Person) 통신을 위한 완전 관리형 메시징 서비스입니다.
- 아마존 단순 대기열 서비스 – Amazon SQS는 마이크로서비스, 분산 시스템 및 서버리스 애플리케이션을 분리하고 확장할 수 있는 완전관리형 메시지 대기열 서비스입니다.
- 아마존 단순 스토리지 서비스 – Amazon S3는 문서의 객체 저장소 역할을 하며 미세 조정된 액세스 제어를 통해 중앙 관리를 허용합니다.
이 솔루션은 이미지가 입력 S3 버킷에 업로드될 때 트리거되는 서버리스 워크플로를 활용합니다. SQS 대기열은 개체 생성에 대한 이벤트 알림을 받습니다. 솔루션은 또한 배달 못한 편지 대기열(DLQ) 올바르게 처리할 수 없는 메시지를 별도로 설정하고 격리합니다. Lambda 함수는 SQS 대기열을 공급하고 DetectLabels
이미지의 모든 라벨을 감지하기 위한 API 호출입니다. 이 솔루션을 확장하고 느슨하게 결합된 설계로 만들기 위해 Lambda 함수는 예측 결과를 다른 SQS 대기열로 보냅니다. 이 SQS 대기열은 예측에서 발견된 모든 레이블을 분석하는 또 다른 Lambda 함수를 트리거합니다. 사용자 기본 설정(솔루션 배포 중에 구성됨)에 따라 이 함수는 SNS 주제에 메시지를 게시합니다. SNS 주제는 사용자에게 이메일 알림을 전달하도록 구성됩니다. 이미지에 액세스하기 위해 Amazon SNS로 전송된 메시지에 URL을 추가하도록 Lambda 함수를 구성할 수 있습니다(Amazon S3 미리 서명된 URL). 마지막으로 Lambda 함수는 예측 결과와 이미지 메타데이터를 S3 버킷에 업로드합니다. 그런 다음 Athena 및 QuickSight를 사용하여 S3 버킷의 결과를 분석하고 시각화할 수 있습니다.
사전 조건
Rekognition Custom Labels로 학습되고 실행되는 모델이 있어야 합니다.
Rekognition Custom Labels를 사용하면 시스템에서 기계 학습 모델 교육 프로세스를 관리할 수 있습니다. 아마존 인식 end-to-end 모델 개발 프로세스를 단순화하는 콘솔. 이 게시물에서는 다음을 사용합니다. 식물 잎 질병을 감지하도록 훈련된 분류 모델.
솔루션 배포
당신은 AWS 클라우드 포메이션 S3 버킷, SQS 대기열, SNS 주제, Lambda 함수 및 AWS 자격 증명 및 액세스 관리 (IAM) 역할. 템플릿은 us-east-1 리전에서 스택을 생성하지만 템플릿을 사용하여 위의 AWS 서비스를 사용할 수 있는 모든 리전에서 스택을 생성할 수 있습니다.
- Rekognition Custom Labels 모델을 배포한 리전 및 AWS 계정에서 다음 CloudFormation 템플릿을 시작합니다.
- 럭셔리 스택 이름, 다음과 같은 스택 이름을 입력합니다.
rekognition-customlabels-analytics-and-notification
. - 럭셔리 사용자 정의 모델ARN에서 사용하려는 Amazon Rekognition Custom Labels 모델의 ARN을 입력합니다.
Rekognition Custom Labels 모델은 동일한 AWS 계정에 배포해야 합니다.
- 럭셔리 이메일 알림, 알림을 받을 이메일 주소를 입력합니다.
- 럭셔리 입력 버킷 이름, 스택이 생성하는 S3 버킷의 고유한 이름을 입력합니다. 예를 들어,
plant-leaf-disease-data-input
.
들어오는 식물 잎 이미지가 저장되는 곳입니다.
- 럭셔리 관심 라벨, 알림을 받을 레이블을 쉼표로 구분된 형식으로 최대 10개까지 입력할 수 있습니다. 식물 질병 예의 경우 다음을 입력하십시오.
bacterial-leaf-blight,leaf-smut
. - 럭셔리 최소 신뢰도, 알림을 받을 최소 신뢰도 임계값을 입력합니다. MinConfidence 값 미만의 신뢰도로 감지된 레이블은 응답에 반환되지 않으며 알림을 생성하지 않습니다.
- 럭셔리 출력 버킷 이름, 스택이 생성하는 S3 버킷의 고유한 이름을 입력합니다. 예를 들어,
plant-leaf-disease-data-output
.
출력 버킷에는 이미지 메타데이터(발견된 레이블 및 신뢰도 점수)가 있는 JSON 파일이 포함됩니다.
- 왼쪽 메뉴에서 다음 보기.
- 에 스택 옵션 구성 페이지에서 태그를 포함하여 스택에 대한 추가 매개 변수를 설정합니다.
- 왼쪽 메뉴에서 다음 보기.
- . 기능 및 변환 섹션에서 AWS CloudFormation이 생성할 수 있음을 확인하는 확인란을 선택합니다. IAM 리소스.
- 왼쪽 메뉴에서 스택 생성.
스택 세부 정보 페이지에는 스택 상태가 다음과 같이 표시되어야 합니다. CREATE_IN_PROGRESS
. 상태가로 변경되는 데 최대 5 분이 소요될 수 있습니다. CREATE_COMPLETE
.
Amazon SNS는 이메일 주소로 구독 확인 메시지를 보냅니다. 당신은 필요 구독 확인.
솔루션 테스트
이제 리소스를 배포했으므로 솔루션을 테스트할 준비가 되었습니다. 당신을 확인 모델을 시작하다.
- Amazon S3 콘솔에서 버킷.
- 입력 S3 버킷을 선택합니다.
- 테스트 이미지를 버킷에 업로드합니다.
프로덕션에서는 자동화된 프로세스를 설정하여 이 버킷에 이미지를 전달할 수 있습니다.
이러한 이미지는 워크플로를 트리거합니다. 레이블 신뢰도가 지정된 임계값을 초과하면 다음과 같은 이메일 알림을 받습니다.
이러한 알림을 모든 사용자에게 전달하도록 SNS 주제를 구성할 수도 있습니다. 목적지 서비스에서 지원합니다.
예측 결과 분석
솔루션을 테스트한 후 솔루션을 확장하여 처리된 이미지의 예측에 대한 시각적 분석을 생성할 수 있습니다. 이를 위해 표준 SQL을 사용하여 Amazon S3에서 직접 데이터를 쉽게 분석할 수 있는 대화형 쿼리 서비스인 Athena와 데이터를 시각화하는 QuickSight를 사용합니다.
Athena 구성
Amazon Athena에 익숙하지 않은 경우 다음을 참조하십시오. 이 튜토리얼. Athena 콘솔에서 다음 코드를 사용하여 Athena 데이터 카탈로그에 테이블을 생성합니다.
그 (것)들을 채우십시오 Location
이전 쿼리의 필드를 출력 버킷 이름(예: plant-leaf-disease-data-output
.
이 코드는 Athena에게 S3 버킷에 있는 텍스트의 각 행을 해석하는 방법을 알려줍니다.
이제 데이터를 쿼리할 수 있습니다.
SELECT * FROM "default"."rekognition_customlabels_analytics" limit 10;
QuickSight 구성
QuickSight를 구성하려면 다음 단계를 완료하십시오.
- 열기 QuickSight 콘솔.
- QuickSight에 가입하지 않은 경우 가입 옵션이 표시됩니다. 다음 단계를 따르십시오. QuickSight를 사용하려면 가입하세요..
- QuickSight에 로그인한 후 QuickSight 관리 귀하의 계정에서.
- 탐색 창에서 보안 및 권한.
- $XNUMX Million 미만 AWS 서비스에 대한 QuickSight 액세스선택한다. 추가 또는 제거.
AWS 서비스에 대한 QuickSight 액세스를 활성화하기 위한 페이지가 나타납니다.
- 선택 아마존 아테나.
- 팝업 창에서 다음 보기.
- S3 탭에서 필요한 S3 버킷을 선택합니다. 이 게시물에서는 Athena 쿼리 결과를 저장하는 버킷을 선택합니다.
- 각 버킷에 대해 Athena Workgroup에 대한 쓰기 권한.
- 왼쪽 메뉴에서 마감재 .
- 왼쪽 메뉴에서 업데이트.
- QuickSight 콘솔에서 새로운 분석.
- 왼쪽 메뉴에서 새로운 데이터 세트.
- 럭셔리 데이터 세트선택한다. 아테나.
- 럭셔리 데이터 소스 이름, 입력
Athena-CustomLabels-analysis
. - 럭셔리 Athena 작업 그룹선택한다. 일차.
- 왼쪽 메뉴에서 데이터 소스 생성.
- 럭셔리 데이터베이스선택한다.
default
드롭 다운 메뉴에서 - 럭셔리 테이블, 테이블 선택
rekognition_customlabels_analytics
. - 왼쪽 메뉴에서 고르다.
- 왼쪽 메뉴에서 눈에 보이게하다.
- 에 눈에 보이게하다 페이지, 아래 Fields 목록에서 선택 상표 에서 원형 차트를 선택합니다. 비주얼 타입.
대시보드에서 더 많은 시각화를 추가할 수 있습니다. 분석이 준비되면 다음을 선택할 수 있습니다. 공유 대시보드를 만들고 조직 내에서 공유합니다.
요약
이 게시물에서는 Rekognition Custom Labels를 사용하여 처리된 이미지에서 발견된 특정 레이블(예: 세균성 잎마름병 또는 잎마름병)에 대한 알림을 수신하는 솔루션을 만드는 방법을 보여주었습니다. 또한 Athena 및 QuickSight를 사용하여 결과를 시각화하는 대시보드를 만드는 방법을 보여 주었습니다.
이제 이러한 시각화 대시보드를 비즈니스 사용자와 쉽게 공유할 수 있으며 이러한 응용 프로그램을 구축하기 위해 엔지니어링 팀에 의존하지 않고 알림을 구독할 수 있습니다.
저자에 관하여
제이 라오 AWS의 수석 솔루션 아키텍트입니다. 그는 고객에게 기술 및 전략적 지침을 제공하고 고객이 AWS에서 솔루션을 설계 및 구현하도록 돕는 것을 즐깁니다.
파시민 미스트리 Amazon Rekognition Custom Labels의 수석 제품 관리자입니다. 직장 밖에서 Pashmeen은 모험적인 하이킹, 사진 촬영, 가족과 함께 시간을 보내는 것을 즐깁니다.
- "
- &
- 10
- 100
- 116
- 7
- 9
- ACCESS
- 계정
- 행위
- Ad
- 또한
- 추가
- 주소
- 연산
- All
- 이미
- 아마존
- 분석
- 분석
- 다른
- API를
- 어플리케이션
- 어플리케이션
- 아키텍처
- 자동화
- 가능
- AWS
- 경계
- 보물상자
- 빌드
- 건물
- 사업
- 전화
- 얻을 수 있습니다
- 이전 단계로 돌아가기
- 왼쪽 메뉴에서
- 분류
- 암호
- 의사 소통
- 계산
- 자신
- 콘솔에서
- 이 포함되어 있습니다
- 비용 효율적인
- 결합
- 생성
- 창조
- 작물
- 관습
- 고객
- 계기반
- 데이터
- 배포
- 배포
- 전개
- 디자인
- 탐지 된
- 개발자
- 개발
- 다른
- 직접
- 질병
- 분산
- 서류
- 하지 않습니다
- 용이하게
- 이메일
- 가능
- 엔지니어링
- 엔터 버튼
- 이벤트
- 예
- 전문적 지식
- 확장
- 가족
- FAST
- 최종적으로
- 따라
- 수행원
- 체재
- 발견
- 뼈대
- 기능
- 생성
- 데
- 방법
- How To
- HTTPS
- 확인
- 통합 인증
- 영상
- 구현
- 포함
- 입력
- 통찰력
- 대화형
- IT
- 딱 하나만
- 레이블
- 배우기
- 명부
- 위치
- 찾고
- 기계
- 기계 학습
- 제작
- 관리
- 구축
- 매니저
- 메시지
- 최저한의
- 모델
- 모델
- 배우기
- 카테고리
- 공고
- 행정부
- 선택권
- 조직
- 사진술
- 예측
- 예측
- 교장
- 문제
- 방법
- 프로세스
- 프로덕트
- 생산
- 제공
- 목적
- 빨리
- 실시간
- 받다
- 필요
- 자료
- 응답
- 결과
- 달리기
- 달리는
- 확장성
- 규모
- 장면
- 서버리스
- 서비스
- 서비스
- 세트
- 공유
- 단순, 간단, 편리
- 해결책
- 솔루션
- 풀다
- 지출
- 스택
- 표준
- 스타트
- 시작
- 주 정부
- Status
- 저장
- 저장
- 상점
- 전략의
- 가입
- 신청
- 지원
- 체계
- 시스템은
- 팀
- 테크니컬
- 말하다
- test
- 수천
- 을 통하여
- 시간
- 트레이닝
- 이전
- 유일한
- 사용
- 사용자
- 가치
- 종류
- 시력
- 심상
- 이내
- 작업
- 작업 그룹