Oznake po meri za ponovno odstranjevanje Amazon je popolnoma upravljana storitev računalniškega vida, ki razvijalcem omogoča izdelavo modelov po meri za razvrščanje in prepoznavanje predmetov na slikah, ki so specifične in edinstvene za vaše podjetje.
Rekognition Custom Labels ne zahteva, da imate predhodno strokovno znanje o računalniškem vidu. Začnete lahko tako, da preprosto naložite na desetine slik namesto na tisoče. Če so slike že označene, lahko začnete učiti model v samo nekaj klikih. Če ne, jih lahko označite neposredno v konzoli Rekognition Custom Labels ali uporabite Amazon SageMaker Ground Truth da jih označimo. Rekognition Custom Labels uporablja učenje prenosa za samodejno pregledovanje podatkov o usposabljanju, izbiro pravega ogrodja in algoritma modela, optimizacijo hiperparametrov in usposabljanje modela. Ko ste zadovoljni z natančnostjo modela, lahko začnete gostiti usposobljeni model s samo enim klikom.
Če pa ste poslovni uporabnik, ki želi rešiti težavo z računalniškim vidom, vizualizirati rezultate sklepanja modela po meri in prejemati obvestila, ko so takšni rezultati sklepanja na voljo, se morate pri izdelavi takšne aplikacije zanesti na svojo inženirsko ekipo. Na primer, vodja kmetijskih dejavnosti je lahko obveščen, ko se ugotovi, da ima pridelek bolezen, vinar je lahko obveščen, ko je grozdje zrelo za trgatev, ali vodja trgovine je lahko obveščen, ko je čas za obnovitev zalog, kot so brezalkoholne pijače. v navpičnem hladilniku.
V tej objavi vas vodimo skozi postopek izdelave rešitve, ki vam omogoča vizualizacijo rezultatov sklepanja in pošiljanje obvestil naročenim uporabnikom, ko so na slikah prepoznane določene oznake, ki so obdelane z uporabo modelov, ki jih je izdelalo Rekognition Custom Labels.
Pregled rešitev
Naslednji diagram ponazarja našo arhitekturo rešitev.
Ta rešitev uporablja naslednje storitve AWS za implementacijo razširljive in stroškovno učinkovite arhitekture:
- Amazonska Atena – Interaktivna poizvedovalna storitev brez strežnika, ki olajša analizo podatkov v Amazon S3 z uporabo standardnega SQL.
- AWS Lambda – Računalniška storitev brez strežnika, ki vam omogoča izvajanje kode kot odgovor na sprožilce, kot so spremembe podatkov, premiki v stanju sistema ali dejanja uporabnika. Ker lahko Amazon S3 neposredno sproži funkcijo Lambda, lahko ustvarite različne sprotne brez strežnika sistemi za obdelavo podatkov.
- Amazon QuickSight – Zelo hitra, za uporabo enostavna storitev poslovne analitike v oblaku, ki omogoča enostavno ustvarjanje vizualizacij, izvajanje ad hoc analiz in hitro pridobivanje poslovnih vpogledov iz podatkov.
- Oznake po meri za ponovno odstranjevanje Amazon – Omogoča vam, da usposobite model računalniškega vida po meri za prepoznavanje predmetov in prizorov na slikah, ki so specifične za vaše poslovne potrebe.
- Amazon Simple notification Service – Amazon SNS je popolnoma upravljana storitev sporočanja tako za komunikacijo med aplikacijami (A2A) kot med aplikacijami in osebami (A2P).
- Storitev Amazon Simple Queue Service – Amazon SQS je popolnoma upravljana storitev čakalne vrste sporočil, ki vam omogoča ločevanje in prilagajanje mikrostoritev, porazdeljenih sistemov in aplikacij brez strežnikov.
- Preprosta storitev shranjevanja Amazon – Amazon S3 služi kot shramba predmetov za vaše dokumente in omogoča centralno upravljanje z natančno nastavljenimi kontrolami dostopa.
Rešitev uporablja potek dela brez strežnika, ki se sproži, ko je slika naložena v vhodno vedro S3. Čakalna vrsta SQS prejme obvestilo o dogodku za ustvarjanje objekta. Rešitev tudi ustvarja čakalne vrste mrtvih pisem (DLQ) da razveljavite in izolirate sporočila, ki jih ni mogoče pravilno obdelati. Funkcija Lambda se napaja iz čakalne vrste SQS in naredi DetectLabels
Klic API-ja za zaznavanje vseh oznak na sliki. Funkcija Lambda pošlje rezultate napovedi v drugo čakalno vrsto SQS, da poveča to rešitev in jo naredi ohlapno povezano zasnovo. Ta čakalna vrsta SQS sproži drugo funkcijo Lambda, ki analizira vse oznake, najdene v napovedih. Na podlagi uporabniških preferenc (konfiguriranih med uvedbo rešitve) funkcija objavi sporočilo v temi SNS. Tema SNS je konfigurirana za pošiljanje e-poštnih obvestil uporabniku. Funkcijo Lambda lahko konfigurirate tako, da dodate URL sporočilu, poslanemu Amazon SNS za dostop do slike (z uporabo Amazon S3 vnaprej podpisan URL). Končno funkcija Lambda naloži rezultat napovedi in slikovne metapodatke v vedro S3. Nato lahko uporabite Athena in QuickSight za analizo in vizualizacijo rezultatov iz vedra S3.
Predpogoji
Imeti morate model, ki je usposobljen in deluje z oznakami po meri Rekognition.
Rekognition Custom Labels vam omogoča upravljanje procesa usposabljanja modela strojnega učenja na Amazonsko ponovno vžiganje konzolo, ki poenostavlja proces razvoja modela od konca do konca. Za to objavo uporabljamo klasifikacijski model, usposobljen za odkrivanje bolezni listov rastlin.
Uvedite rešitev
Razporedite Oblikovanje oblaka AWS predlogo za zagotavljanje potrebnih virov, vključno z vedri S3, čakalnimi vrstami SQS, temo SNS, funkcijami Lambda in AWS upravljanje identitete in dostopa (IAM) vloge. Predloga ustvari sklad regija us-east-1, vendar lahko s predlogo ustvarite svoj sklad v kateri koli regiji, kjer so na voljo zgornje storitve AWS.
- Zaženite naslednjo predlogo CloudFormation v regiji in računu AWS, kjer ste uvedli model Rekognition Custom Labels:
- za Ime skladovnice, vnesite ime sklada, kot je
rekognition-customlabels-analytics-and-notification
. - za CustomModelARN, vnesite ARN modela Amazon Rekognition Custom Labels, ki ga želite uporabiti.
Model Rekognition Custom Labels je treba namestiti v isti račun AWS.
- za EmailNotification, vnesite e-poštni naslov, na katerega želite prejemati obvestila.
- za InputBucketName, vnesite edinstveno ime za vedro S3, ki ga sklad ustvari; na primer,
plant-leaf-disease-data-input
.
Tukaj so shranjene dohodne slike rastlinskih listov.
- za LabelsofInterest, lahko vnesete do 10 različnih oznak, o katerih želite biti obveščeni, v obliki, ločeni z vejicami. Za naš primer bolezni rastlin vnesite
bacterial-leaf-blight,leaf-smut
. - za MinConfidence, vnesite minimalni prag zaupanja za prejemanje obvestila. Oznake, zaznane z zaupanjem pod vrednostjo MinConfidence, niso vrnjene v odgovoru in ne bodo ustvarile obvestila.
- za OutputBucketName, vnesite edinstveno ime za vedro S3, ki ga sklad ustvari; na primer,
plant-leaf-disease-data-output
.
Izhodno vedro vsebuje datoteke JSON z metapodatki slike (najdene oznake in ocena zaupanja).
- Izberite Naslednji.
- o Konfigurirajte možnosti zlaganja strani, nastavite vse dodatne parametre za sklad, vključno z oznakami.
- Izberite Naslednji.
- v Sposobnosti in preobrazbe izberite potrditveno polje, da potrdite, da lahko AWS CloudFormation ustvari Viri IAM.
- Izberite Ustvari sklad.
Stran s podrobnostmi o skladu mora prikazati stanje sklada kot CREATE_IN_PROGRESS
. Spreminjanje stanja lahko traja do 5 minut CREATE_COMPLETE
.
Amazon SNS bo na e-poštni naslov poslal potrditveno sporočilo o naročnini. Moraš potrdite naročnino.
Preizkusite raztopino
Zdaj, ko smo razmestili vire, smo pripravljeni preizkusiti rešitev. Prepričaj se da zaženite model.
- Na konzoli Amazon S3 izberite Žlice.
- Izberite vhodno vedro S3.
- Naložite testne slike v vedro.
V proizvodnji lahko nastavite avtomatizirane procese za dostavo slik v to vedro.
Te slike sprožijo potek dela. Če zaupanje oznake preseže podani prag, prejmete e-poštno obvestilo, kot je naslednje.
Prav tako lahko konfigurirate temo SNS za dostavo teh obvestil vsem destinacije ki ga podpira storitev.
Analizirajte rezultate napovedi
Ko preizkusite rešitev, jo lahko razširite, da ustvarite vizualno analizo za napovedi obdelanih slik. V ta namen uporabljamo Atheno, interaktivno poizvedovalno storitev, ki omogoča enostavno analizo podatkov neposredno iz Amazon S3 z uporabo standardnega SQL in QuickSight za vizualizacijo podatkov.
Konfigurirajte Atheno
Če niste seznanjeni z Amazon Atheno, glejte to tutorski. Na konzoli Athena ustvarite tabelo v katalogu podatkov Athena z naslednjo kodo:
Napolnite Location
polje v prejšnji poizvedbi z imenom vašega izhodnega vedra, kot je plant-leaf-disease-data-output
.
Ta koda Atheni pove, kako naj razlaga vsako vrstico besedila v vedru S3.
Zdaj lahko povprašate po podatkih:
SELECT * FROM "default"."rekognition_customlabels_analytics" limit 10;
Konfigurirajte QuickSight
Če želite konfigurirati QuickSight, izvedite naslednje korake:
- odprite Konzola QuickSight.
- Če niste prijavljeni v QuickSight, boste pozvani z možnostjo prijave. Sledite korakom do prijavite se za uporabo QuickSighta.
- Ko se prijavite v QuickSight, izberite Upravljajte QuickSight pod vašim računom.
- V podoknu za krmarjenje izberite Varnost in dovoljenja.
- Pod QuickSight dostop do storitev AWS, izberite Dodajte ali odstranite.
Prikaže se stran za omogočanje dostopa QuickSight do storitev AWS.
- Izberite Amazon Athena.
- V pojavnem oknu izberite Naslednji.
- Na zavihku S3 izberite potrebna vedra S3. Za to objavo sem izbral vedro, ki hrani moje rezultate poizvedbe Athena.
- Za vsako vedro izberite tudi Dovoljenje za pisanje za Athena Workgroup.
- Izberite Konec.
- Izberite Nadgradnja.
- Na konzoli QuickSight izberite Nova analiza.
- Izberite Nov nabor podatkov.
- za Podatkovni nizi, izberite Athena.
- za Ime vira podatkov, vnesite
Athena-CustomLabels-analysis
. - za Delovna skupina Athena, izberite primarni.
- Izberite Ustvarite vir podatkov.
- za Baze podatkov, izberite
default
v spustnem meniju. - za Mize, izberite tabelo
rekognition_customlabels_analytics
. - Izberite Izberite.
- Izberite Vizualiziraj.
- o Vizualiziraj strani pod Področja seznam, izberite nalepka in izberite tortni grafikon Vizualne vrste.
Na nadzorni plošči lahko dodate več vizualizacij. Ko je vaša analiza pripravljena, lahko izberete Delite s prijatelji, znanci, družino in partnerji :-) da ustvarite nadzorno ploščo in jo delite v svoji organizaciji.
Povzetek
V tej objavi smo pokazali, kako lahko ustvarite rešitev za prejemanje obvestil za določene oznake (kot je bakterijski ožig listov ali listna ožig), ki jih najdete na obdelanih slikah z uporabo oznak po meri Rekognition. Poleg tega smo pokazali, kako lahko ustvarite nadzorne plošče za vizualizacijo rezultatov z uporabo Athena in QuickSight.
Takšne nadzorne plošče za vizualizacijo lahko zdaj enostavno delite s poslovnimi uporabniki in jim omogočite, da se naročijo na obvestila, namesto da bi se morali pri izdelavi takšne aplikacije zanašati na svoje inženirske ekipe.
O avtorjih
Jay Rao je glavni arhitekt rešitev pri AWS. Uživa v zagotavljanju tehničnih in strateških smernic strankam ter jim pomaga pri oblikovanju in implementaciji rešitev na AWS.
Pashmeen Mistry je višji produktni vodja za Amazon Rekognition Custom Labels. Zunaj dela Pashmeen uživa v pustolovskih pohodih, fotografiranju in preživljanju časa s svojo družino.
- Coinsmart. Najboljša evropska borza bitcoinov in kriptovalut.
- Platoblockchain. Web3 Metaverse Intelligence. Razširjeno znanje. PROST DOSTOP.
- CryptoHawk. Altcoin radar. Brezplačen preizkus.
- Vir: 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
- dostop
- Račun
- dejavnosti
- Ad
- Poleg tega
- Dodatne
- Naslov
- algoritem
- vsi
- že
- Amazon
- Analiza
- analitika
- Še ena
- API
- uporaba
- aplikacije
- Arhitektura
- Avtomatizirano
- Na voljo
- AWS
- meja
- Pasovi
- izgradnjo
- Building
- poslovni
- klic
- Lahko dobiš
- spremenite
- Izberite
- Razvrstitev
- Koda
- Komunikacija
- Izračunajte
- zaupanje
- Konzole
- Vsebuje
- stroškovno učinkovito
- skupaj
- ustvari
- Oblikovanje
- pridelek
- po meri
- Stranke, ki so
- Armaturna plošča
- datum
- razporedi
- razporejeni
- uvajanje
- Oblikovanje
- Zaznali
- Razvijalci
- Razvoj
- drugačen
- neposredno
- bolezen
- porazdeljena
- Dokumenti
- Ne
- enostavno
- E-naslov
- omogočanje
- Inženiring
- Vnesite
- Event
- Primer
- strokovno znanje
- razširiti
- družina
- FAST
- končno
- sledi
- po
- format
- je pokazala,
- Okvirni
- funkcija
- ustvarjajo
- ob
- Kako
- Kako
- HTTPS
- identificirati
- identiteta
- slika
- izvajati
- Vključno
- vhod
- vpogledi
- interaktivno
- IT
- samo en
- Oznake
- učenje
- Seznam
- kraj aktivnosti
- si
- stroj
- strojno učenje
- IZDELA
- upravlja
- upravljanje
- upravitelj
- sporočanje
- minimalna
- Model
- modeli
- več
- ostalo
- Obvestilo
- operacije
- Možnost
- Organizacija
- fotografija
- napoved
- Napovedi
- , ravnateljica
- problem
- Postopek
- Procesi
- Izdelek
- proizvodnja
- zagotavljanje
- Namen
- hitro
- v realnem času
- prejeti
- zahteva
- viri
- Odgovor
- Rezultati
- Run
- tek
- razširljive
- Lestvica
- prizori
- Brez strežnika
- Storitev
- Storitve
- nastavite
- Delite s prijatelji, znanci, družino in partnerji :-)
- Enostavno
- Rešitev
- rešitve
- SOLVE
- Poraba
- sveženj
- standardna
- Začetek
- začel
- Država
- Status
- shranjevanje
- trgovina
- trgovine
- Strateško
- naročiti
- naročnina
- Podprti
- sistem
- sistemi
- skupina
- tehnični
- pove
- Test
- tisoče
- skozi
- čas
- usposabljanje
- prenos
- edinstven
- uporaba
- Uporabniki
- vrednost
- raznolikost
- Vizija
- vizualizacija
- v
- delo
- Delovna skupina