Etykiety niestandardowe Amazon Rekognition to w pełni zarządzana usługa wizji komputerowej, która umożliwia programistom tworzenie niestandardowych modeli do klasyfikowania i identyfikowania obiektów na obrazach, które są specyficzne i unikalne dla Twojej firmy.
Rekognition Custom Labels nie wymaga wcześniejszej wiedzy z zakresu widzenia komputerowego. Możesz zacząć, po prostu przesyłając dziesiątki obrazów zamiast tysięcy. Jeśli obrazy są już oznaczone etykietami, możesz rozpocząć trenowanie modelu za pomocą kilku kliknięć. Jeśli nie, możesz je oznaczyć bezpośrednio w konsoli Rekognition Custom Labels lub użyć Amazon SageMaker Ground Prawda aby je oznaczyć. Rekognition Custom Labels wykorzystuje uczenie transferu do automatycznego sprawdzania danych uczących, wybierania odpowiedniej struktury modelu i algorytmu, optymalizacji hiperparametrów i uczenia modelu. Gdy jesteś zadowolony z dokładności modelu, możesz rozpocząć hostowanie wytrenowanego modelu za pomocą jednego kliknięcia.
Jeśli jednak jesteś użytkownikiem biznesowym, który chce rozwiązać problem widzenia komputerowego, wizualizować wyniki wnioskowania z niestandardowego modelu i otrzymywać powiadomienia, gdy takie wyniki wnioskowania będą dostępne, musisz polegać na swoim zespole inżynierów, który zbuduje taką aplikację. Na przykład kierownik operacji rolniczych może zostać powiadomiony, gdy wykryje chorobę, winiarza można powiadomić, gdy winogrona dojrzeją do zbioru, a kierownika sklepu można powiadomić, gdy nadejdzie czas uzupełnienia zapasów, takich jak napoje bezalkoholowe w pionowej lodówce.
W tym poście przeprowadzimy Cię przez proces budowania rozwiązania, które umożliwia wizualizację wyniku wnioskowania i wysyłanie powiadomień do subskrybowanych użytkowników, gdy określone etykiety zostaną zidentyfikowane na obrazach przetwarzanych przy użyciu modeli zbudowanych przez Rekognition Custom Labels.
Omówienie rozwiązania
Poniższy diagram ilustruje naszą architekturę rozwiązania.
To rozwiązanie wykorzystuje następujące usługi AWS w celu wdrożenia skalowalnej i efektywnej kosztowo architektury:
- Amazonka Atena – Bezserwerowa interaktywna usługa zapytań, która ułatwia analizę danych w Amazon S3 przy użyciu standardowego SQL.
- AWS Lambda – Bezserwerowa usługa obliczeniowa, która umożliwia uruchamianie kodu w odpowiedzi na wyzwalacze, takie jak zmiany danych, zmiany stanu systemu lub działania użytkownika. Ponieważ Amazon S3 może bezpośrednio wyzwalać funkcję Lambda, możesz budować różne w czasie rzeczywistym bezserwerowy systemy przetwarzania danych.
- Amazon QuickSight – Bardzo szybka, łatwa w użyciu, działająca w chmurze usługa analizy biznesowej, która ułatwia tworzenie wizualizacji, przeprowadzanie analiz ad hoc i szybkie uzyskiwanie szczegółowych informacji biznesowych na podstawie danych.
- Etykiety niestandardowe Amazon Rekognition – Umożliwia trenowanie niestandardowego modelu widzenia komputerowego w celu identyfikacji obiektów i scen na obrazach, które są specyficzne dla Twoich potrzeb biznesowych.
- Usługa prostego powiadomienia Amazon – Amazon SNS to w pełni zarządzana usługa przesyłania wiadomości, zarówno dla komunikacji aplikacja-aplikacja (A2A), jak i aplikacja-osoba (A2P).
- Usługa Amazon Simple Queue – Amazon SQS to w pełni zarządzana usługa kolejkowania wiadomości, która umożliwia oddzielenie i skalowanie mikrousług, systemów rozproszonych i aplikacji bezserwerowych.
- Usługa Amazon Simple Storage – Amazon S3 służy jako magazyn obiektów dla Twoich dokumentów i umożliwia centralne zarządzanie z precyzyjnie dostrojoną kontrolą dostępu.
Rozwiązanie wykorzystuje bezserwerowy przepływ pracy, który jest uruchamiany po przesłaniu obrazu do zasobnika wejściowego S3. Kolejka SQS odbiera powiadomienie o zdarzeniu dotyczące tworzenia obiektu. Rozwiązanie również tworzy kolejki utraconych wiadomości (DLQ) odłożyć na bok i odizolować wiadomości, których nie można poprawnie przetworzyć. Funkcja Lambda zasila kolejkę SQS i sprawia, że DetectLabels
Wywołanie API w celu wykrycia wszystkich etykiet na obrazie. Aby przeskalować to rozwiązanie i uczynić je projektem luźno powiązanym, funkcja Lambda wysyła wyniki predykcji do innej kolejki SQS. Ta kolejka SQS uruchamia inną funkcję Lambda, która analizuje wszystkie etykiety znalezione w predykcjach. Na podstawie preferencji użytkownika (skonfigurowanych podczas wdrażania rozwiązania) funkcja publikuje wiadomość w temacie SNS. Temat SNS jest skonfigurowany do dostarczania powiadomień e-mail do użytkownika. Możesz skonfigurować funkcję Lambda, aby dodać adres URL do wiadomości wysłanej do Amazon SNS w celu uzyskania dostępu do obrazu (używając Amazon S3 podany adres URL). Na koniec funkcja Lambda przesyła wynik prognozy i metadane obrazu do zasobnika S3. Następnie możesz użyć Athena i QuickSight do analizy i wizualizacji wyników z segmentu S3.
Wymagania wstępne
Musisz mieć model przeszkolony i działający z niestandardowymi etykietami Rekognition.
Niestandardowe etykiety rozpoznawania umożliwiają zarządzanie procesem uczenia modelu uczenia maszynowego na Amazon Rekognition konsoli, która upraszcza kompleksowy proces opracowywania modelu. W tym poście używamy model klasyfikacyjny przeszkolony do wykrywania chorób liści roślin.
Wdróż rozwiązanie
Wdrażasz Tworzenie chmury AWS szablon do udostępniania niezbędnych zasobów, w tym kubełków S3, kolejek SQS, tematu SNS, funkcji Lambda i AWS Zarządzanie tożsamością i dostępem (IAM) role. Szablon tworzy stos w regionie us-east-1, ale możesz użyć szablonu do utworzenia stosu w dowolnym regionie, w którym dostępne są powyższe usługi AWS.
- Uruchom następujący szablon CloudFormation na koncie regionu i AWS, na którym wdrożono model niestandardowych etykiet Rekognition:
- W razie zamówieenia projektu Nazwa stosu, wprowadź nazwę stosu, na przykład
rekognition-customlabels-analytics-and-notification
. - W razie zamówieenia projektu Model niestandardowyARN, wprowadź ARN modelu Amazon Rekognition Custom Labels, którego chcesz użyć.
Model Rekognition Custom Labels musi zostać wdrożony na tym samym koncie AWS.
- W razie zamówieenia projektu Powiadomienie e-mail, wprowadź adres e-mail, na który chcesz otrzymywać powiadomienia.
- W razie zamówieenia projektu Nazwa zasobnika wejściowego, wprowadź unikalną nazwę zasobnika S3 tworzonego przez stos; na przykład,
plant-leaf-disease-data-input
.
Tutaj przechowywane są przychodzące obrazy liści roślin.
- W razie zamówieenia projektu Etykiety zainteresowania, możesz wprowadzić do 10 różnych etykiet, o których chcesz otrzymywać powiadomienia, w formacie oddzielonym przecinkami. Dla naszego przykładu choroby roślin wprowadź
bacterial-leaf-blight,leaf-smut
. - W razie zamówieenia projektu MinZaufanie, wprowadź minimalny próg ufności, aby otrzymać powiadomienie. Etykiety wykryte z ufnością poniżej wartości MinConfidence nie są zwracane w odpowiedzi i nie generują powiadomienia.
- W razie zamówieenia projektu Nazwa zasobnika wyjściowego, wprowadź unikalną nazwę zasobnika S3 tworzonego przez stos; na przykład,
plant-leaf-disease-data-output
.
Zasobnik wyjściowy zawiera pliki JSON z metadanymi obrazu (znalezione etykiety i wynik pewności).
- Dodaj Następna.
- Na Skonfiguruj opcje stosu ustaw wszelkie dodatkowe parametry stosu, w tym tagi.
- Dodaj Następna.
- W Możliwości i transformacje zaznacz pole wyboru, aby potwierdzić, że AWS CloudFormation może utworzyć Zasoby uprawnień.
- Dodaj Utwórz stos.
Strona szczegółów stosu powinna pokazywać status stosu jako CREATE_IN_PROGRESS
. Zmiana stanu na może zająć do 5 minut CREATE_COMPLETE
.
Amazon SNS wyśle wiadomość potwierdzającą subskrypcję na adres e-mail. Musisz potwierdź subskrypcję.
Przetestuj rozwiązanie
Teraz, po wdrożeniu zasobów, jesteśmy gotowi do przetestowania rozwiązania. Upewnij się, że uruchom model.
- Na konsoli Amazon S3 wybierz Wiadra.
- Wybierz wiadro wejściowe S3.
- Prześlij obrazy testowe do zasobnika.
W środowisku produkcyjnym możesz skonfigurować zautomatyzowane procesy dostarczania obrazów do tego zasobnika.
Te obrazy uruchamiają przepływ pracy. Jeśli pewność etykiety przekroczy określony próg, otrzymasz powiadomienie e-mail podobne do poniższego.
Możesz także skonfigurować temat SNS, aby dostarczać te powiadomienia do dowolnego Cele podróży obsługiwane przez serwis.
Przeanalizuj wyniki prognozy
Po przetestowaniu rozwiązania można je rozszerzyć, aby utworzyć wizualną analizę predykcji przetworzonych obrazów. W tym celu używamy Athena, interaktywnej usługi zapytań, która ułatwia analizę danych bezpośrednio z Amazon S3 przy użyciu standardowego SQL oraz QuickSight do wizualizacji danych.
Skonfiguruj Atenę
Jeśli nie znasz Amazon Athena, zobacz ten poradnik. W konsoli Athena utwórz tabelę w katalogu danych Athena z następującym kodem:
Wypełnij Location
pole w poprzednim zapytaniu z nazwą zasobnika wyjściowego, na przykład plant-leaf-disease-data-output
.
Ten kod mówi Athenie, jak interpretować każdy wiersz tekstu w zasobniku S3.
Możesz teraz zapytać o dane:
SELECT * FROM "default"."rekognition_customlabels_analytics" limit 10;
Skonfiguruj QuickSight
Aby skonfigurować QuickSight, wykonaj następujące kroki:
- Otwórz Konsola QuickSight.
- Jeśli nie jesteś zarejestrowany w QuickSight, zostanie wyświetlony monit z opcją zarejestrowania się. Postępuj zgodnie z instrukcjami, aby zarejestruj się, aby korzystać z QuickSight.
- Po zalogowaniu się do QuickSight wybierz Zarządzaj QuickSight pod Twoim kontem.
- W okienku nawigacji wybierz Bezpieczeństwo i uprawnienia.
- Pod Dostęp QuickSight do usług AWSwybierz Dodaj lub usuń.
Pojawi się strona umożliwiająca dostęp QuickSight do usług AWS.
- Wybierz Amazonka Athena.
- W wyskakującym oknie wybierz Następna.
- Na karcie S3 wybierz niezbędne zasobniki S3. W tym poście wybieram zasobnik, w którym przechowywane są wyniki moich zapytań Athena.
- Wybierz również dla każdego zasobnika Uprawnienia do zapisu dla Athena Workgroup.
- Dodaj koniec.
- Dodaj Aktualizacja.
- W konsoli QuickSight wybierz Nowa analiza.
- Dodaj Nowy zestaw danych.
- W razie zamówieenia projektu Zbiory danychwybierz Athena.
- W razie zamówieenia projektu Nazwa źródła danych, wchodzić
Athena-CustomLabels-analysis
. - W razie zamówieenia projektu Grupa robocza Athenawybierz pierwotny.
- Dodaj Utwórz źródło danych.
- W razie zamówieenia projektu Baza danychwybierz
default
w menu rozwijanym. - W razie zamówieenia projektu Stoły, wybierz tabelę
rekognition_customlabels_analytics
. - Dodaj Wybierz.
- Dodaj Wyobrażać sobie.
- Na Wyobrażać sobie strona, pod Łąka lista, wybierz etykieta i wybierz wykres kołowy z Typy wizualne.
Możesz dodać więcej wizualizacji w dashboardzie. Gdy analiza jest gotowa, możesz wybrać Share aby utworzyć pulpit nawigacyjny i udostępnić go w swojej organizacji.
Podsumowanie
W tym poście pokazaliśmy, jak można stworzyć rozwiązanie do otrzymywania powiadomień o określonych etykietach (takich jak bakteryjna zaraza liści lub gnicie liści) znalezionych w przetworzonych obrazach przy użyciu niestandardowych etykiet Rekognition. Ponadto pokazaliśmy, jak można tworzyć kokpity do wizualizacji wyników za pomocą Athena i QuickSight.
Możesz teraz łatwo udostępniać takie pulpity wizualizacyjne użytkownikom biznesowym i umożliwiać im subskrypcję powiadomień, zamiast polegać na zespołach inżynierów, którzy zbudują taką aplikację.
O autorach
Jay'a Rao jest głównym architektem rozwiązań w AWS. Lubi udzielać klientom wskazówek technicznych i strategicznych oraz pomagać im w projektowaniu i wdrażaniu rozwiązań w AWS.
Paszmeńska tajemnica jest starszym menedżerem produktu ds. etykiet niestandardowych Amazon Rekognition. Poza pracą Pashmeen lubi pełne przygód wędrówki, fotografowanie i spędzanie czasu z rodziną.
- Coinsmart. Najlepsza w Europie giełda bitcoinów i kryptowalut.
- Platoblockchain. Web3 Inteligencja Metaverse. Wzmocniona wiedza. DARMOWY DOSTĘP.
- CryptoJastrząb. Radar Altcoin. Bezpłatna wersja próbna.
- Źródło: 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
- dostęp
- Konto
- działania
- Ad
- dodatek
- Dodatkowy
- adres
- algorytm
- Wszystkie kategorie
- już
- Amazonka
- analiza
- analityka
- Inne
- api
- Zastosowanie
- aplikacje
- architektura
- zautomatyzowane
- dostępny
- AWS
- granica
- Pudełko
- budować
- Budowanie
- biznes
- wezwanie
- Może uzyskać
- zmiana
- Dodaj
- klasyfikacja
- kod
- Komunikacja
- obliczać
- pewność siebie
- Konsola
- zawiera
- opłacalne
- sprzężony
- tworzy
- tworzenie
- wole
- zwyczaj
- Klientów
- tablica rozdzielcza
- dane
- rozwijać
- wdrażane
- Wdrożenie
- Wnętrze
- wykryte
- deweloperzy
- oprogramowania
- różne
- bezpośrednio
- choroba
- dystrybuowane
- dokumenty
- Nie
- z łatwością
- umożliwiając
- Inżynieria
- Wchodzę
- wydarzenie
- przykład
- ekspertyza
- rozciągać się
- członków Twojej rodziny
- FAST
- W końcu
- obserwuj
- następujący
- format
- znaleziono
- Framework
- funkcjonować
- Generować
- mający
- W jaki sposób
- How To
- HTTPS
- zidentyfikować
- tożsamość
- obraz
- wdrożenia
- Włącznie z
- wkład
- spostrzeżenia
- interaktywne
- IT
- tylko jeden
- Etykiety
- nauka
- Lista
- lokalizacja
- poszukuje
- maszyna
- uczenie maszynowe
- WYKONUJE
- zarządzane
- i konserwacjami
- kierownik
- wiadomości
- minimum
- model
- modele
- jeszcze
- Nawigacja
- powiadomienie
- operacje
- Option
- organizacja
- fotografia
- przepowiednia
- Przewidywania
- Główny
- Problem
- wygląda tak
- procesów
- Produkt
- Produkcja
- że
- cel
- szybko
- w czasie rzeczywistym
- otrzymać
- wymagać
- Zasoby
- odpowiedź
- Efekt
- run
- bieganie
- skalowalny
- Skala
- Sceny
- Bezserwerowe
- usługa
- Usługi
- zestaw
- Share
- Prosty
- rozwiązanie
- Rozwiązania
- ROZWIĄZANIA
- Spędzanie
- stos
- standard
- początek
- rozpoczęty
- Stan
- Rynek
- przechowywanie
- sklep
- sklep
- Strategiczny
- subskrybuj
- subskrypcja
- Utrzymany
- system
- systemy
- zespół
- Techniczny
- mówi
- test
- tysiące
- Przez
- czas
- Trening
- przenieść
- wyjątkowy
- posługiwać się
- Użytkownicy
- wartość
- różnorodność
- wizja
- wyobrażanie sobie
- w ciągu
- Praca
- Workgroup