ในทศวรรษที่ผ่านมา กรณีการใช้คอมพิวเตอร์วิทัศน์มีแนวโน้มเพิ่มขึ้น โดยเฉพาะในอุตสาหกรรมต่างๆ เช่น การประกันภัย ยานยนต์ อีคอมเมิร์ซ พลังงาน การค้าปลีก การผลิต และอื่นๆ ลูกค้ากำลังสร้างโมเดลการเรียนรู้ของเครื่องคอมพิวเตอร์วิชั่น (ML) เพื่อนำประสิทธิภาพการดำเนินงานและระบบอัตโนมัติมาสู่กระบวนการของพวกเขา โมเดลดังกล่าวช่วยให้การจัดหมวดหมู่รูปภาพหรือการตรวจจับวัตถุที่น่าสนใจในภาพโดยอัตโนมัติซึ่งเฉพาะเจาะจงและไม่ซ้ำใครสำหรับธุรกิจของคุณ
เพื่อลดความซับซ้อนของกระบวนการสร้างโมเดล ML เราได้แนะนำ Amazon SageMaker JumpStart ในเดือนธันวาคม 2020 JumpStart ช่วยให้คุณเริ่มต้นใช้งาน ML ได้อย่างรวดเร็วและง่ายดาย มอบการปรับใช้เพียงคลิกเดียวและการปรับอย่างละเอียดของโมเดลที่ได้รับการฝึกอบรมล่วงหน้าที่หลากหลาย ตลอดจนโซลูชันแบบ end-to-end ที่ได้รับการคัดสรร ซึ่งจะช่วยขจัดความยุ่งยากออกจากแต่ละขั้นตอนของกระบวนการ ML ทำให้ง่ายต่อการพัฒนาโมเดลคุณภาพสูงและลดเวลาในการปรับใช้ อย่างไรก็ตาม คุณต้องมีความรู้พื้นฐานบางอย่างเพื่อช่วยในการเลือกโมเดลจากแคตตาล็อกของโมเดลคอมพิวเตอร์วิทัศน์ที่ได้รับการฝึกอบรมล่วงหน้ากว่า 200 โมเดล จากนั้นคุณต้องเปรียบเทียบประสิทธิภาพของโมเดลด้วยการตั้งค่าไฮเปอร์พารามิเตอร์ที่แตกต่างกัน และเลือกโมเดลที่ดีที่สุดเพื่อปรับใช้ในการผลิต
เพื่อลดความซับซ้อนของประสบการณ์นี้และช่วยให้นักพัฒนาที่มีความเชี่ยวชาญด้าน ML น้อยหรือไม่มีเลยสามารถสร้างโมเดลการมองเห็นของคอมพิวเตอร์ที่กำหนดเองได้ เราจึงเปิดตัวโน้ตบุ๊กตัวอย่างใหม่ภายใน JumpStart ที่ใช้ ป้ายกำกับที่กำหนดเองของ Amazon Rekognitionซึ่งเป็นบริการที่มีการจัดการเต็มรูปแบบเพื่อสร้างโมเดลการมองเห็นด้วยคอมพิวเตอร์แบบกำหนดเอง Rekognition Custom Labels สร้างขึ้นจากโมเดลที่ได้รับการฝึกอบรมล่วงหน้าใน ความหมายของ Amazonซึ่งได้รับการฝึกฝนมาแล้วกับภาพหลายสิบล้านภาพในหลายหมวดหมู่ แทนที่จะใช้ภาพเป็นพันๆ ภาพ คุณสามารถเริ่มต้นด้วยชุดภาพการฝึกอบรมขนาดเล็ก (ไม่กี่ร้อยภาพหรือน้อยกว่า) ที่เฉพาะเจาะจงกับกรณีการใช้งานของคุณ Rekognition Custom Labels ขจัดความซับซ้อนที่เกี่ยวข้องกับการสร้างโมเดลแบบกำหนดเอง โดยจะตรวจสอบข้อมูลการฝึกอบรมโดยอัตโนมัติ เลือกอัลกอริทึม ML ที่เหมาะสม เลือกประเภทอินสแตนซ์ ฝึกโมเดลตัวเลือกหลายตัวด้วยไฮเปอร์พารามิเตอร์ที่แตกต่างกัน และส่งออกโมเดลที่ผ่านการฝึกอบรมที่ดีที่สุด Rekognition Custom Labels ยังมีอินเทอร์เฟซที่ใช้งานง่ายจาก คอนโซลการจัดการ AWS สำหรับเวิร์กโฟลว์ ML ทั้งหมด รวมถึงการติดฉลากรูปภาพ การฝึกอบรม การปรับใช้โมเดล และการแสดงภาพผลการทดสอบ
โน้ตบุ๊กตัวอย่างภายใน JumpStart ที่ใช้ Rekognition Custom Labels ช่วยแก้ปัญหาการจัดประเภทภาพหรือการตรวจจับวัตถุด้วยคอมพิวเตอร์วิชั่น ML ทำให้ง่ายสำหรับลูกค้าที่คุ้นเคยกับ อเมซอน SageMaker เพื่อสร้างโซลูชันการมองเห็นด้วยคอมพิวเตอร์ที่เหมาะกับกรณีการใช้งาน ความต้องการ และชุดทักษะของคุณมากที่สุด
ในโพสต์นี้ เราให้คำแนะนำทีละขั้นตอนในการใช้สมุดบันทึกตัวอย่างนี้ภายใน JumpStart สมุดบันทึกสาธิตวิธีการใช้ API การฝึกอบรมและการอนุมานของ Rekognition Custom Labels ที่มีอยู่เพื่อสร้างแบบจำลองการจัดประเภทรูปภาพ แบบจำลองการจัดประเภทหลายป้าย และแบบจำลองการตรวจจับวัตถุ เพื่อให้คุณเริ่มต้นได้ง่าย เราได้จัดเตรียมชุดข้อมูลตัวอย่างสำหรับแต่ละรุ่น
ฝึกฝนและปรับใช้โมเดลการมองเห็นด้วยคอมพิวเตอร์โดยใช้ Rekognition Custom Labels
ในส่วนนี้ เราจะค้นหาโน้ตบุ๊กที่ต้องการใน JumpStart และสาธิตวิธีฝึกและเรียกใช้การอนุมานบนจุดสิ้นสุดที่ปรับใช้
เริ่มกันที่ สตูดิโอ Amazon SageMaker เปิด
- ใน Studio Launcher ให้เลือก ไปที่ SageMaker JumpStart.
หน้า Landing Page ของ JumpStart มีส่วนสำหรับภาพหมุนสำหรับโซลูชัน โมเดลข้อความ และโมเดลการมองเห็น นอกจากนี้ยังมีแถบค้นหา - ในแถบค้นหา ให้ป้อน
Rekognition Custom Labels
และเลือก ป้ายกำกับที่กำหนดเองเพื่อการรับรู้สำหรับการมองเห็น สมุดบันทึก.
สมุดบันทึกเปิดขึ้นในโหมดอ่านอย่างเดียว - Choose นำเข้าโน๊ตบุ๊ค เพื่ออิมพอร์ตโน้ตบุ๊กเข้าสู่สภาพแวดล้อมของคุณ
สมุดบันทึกมีคำแนะนำทีละขั้นตอนสำหรับการฝึกและการอนุมานโดยใช้ Rekognition Custom Labels จากคอนโซล JumpStart มีชุดข้อมูลตัวอย่างสี่ชุดต่อไปนี้เพื่อสาธิตการจำแนกรูปภาพแบบป้ายเดียวและหลายป้ายและการตรวจจับวัตถุ
-
- การจัดประเภทรูปภาพป้ายกำกับเดียว – ชุดข้อมูลนี้สาธิตวิธีจัดประเภทรูปภาพว่าเป็นของชุดป้ายกำกับที่กำหนดไว้ล่วงหน้าชุดใดชุดหนึ่ง ตัวอย่างเช่น บริษัทอสังหาริมทรัพย์สามารถใช้ Rekognition Custom Labels เพื่อจัดหมวดหมู่ภาพห้องนั่งเล่น สวนหลังบ้าน ห้องนอน และตำแหน่งอื่นๆ ในบ้าน ต่อไปนี้คือรูปภาพตัวอย่างจากชุดข้อมูลนี้ ซึ่งรวมอยู่ในสมุดบันทึก
- การจัดหมวดหมู่รูปภาพหลายป้ายกำกับ – ชุดข้อมูลนี้สาธิตวิธีการจำแนกรูปภาพออกเป็นหลายประเภท เช่น สี ขนาด พื้นผิว และประเภทของดอกไม้ ตัวอย่างเช่น ผู้ปลูกพืชสามารถใช้ Rekognition Custom Labels เพื่อแยกความแตกต่างระหว่างดอกไม้ประเภทต่างๆ และดูว่าดอกไม้นั้นแข็งแรง เสียหาย หรือติดเชื้อหรือไม่ รูปภาพต่อไปนี้เป็นตัวอย่างจากชุดข้อมูลนี้
- การตรวจจับวัตถุ – ชุดข้อมูลนี้แสดงการแปลวัตถุเพื่อค้นหาชิ้นส่วนที่ใช้ในสายการผลิตหรือสายการผลิต ตัวอย่างเช่น ในอุตสาหกรรมอิเล็กทรอนิกส์ Rekognition Custom Labels สามารถช่วยนับจำนวนตัวเก็บประจุบนแผงวงจรได้ รูปภาพต่อไปนี้เป็นตัวอย่างจากชุดข้อมูลนี้
- การตรวจจับแบรนด์และโลโก้ – ชุดข้อมูลนี้แสดงตำแหน่งโลโก้หรือตราสินค้าในรูปภาพ ตัวอย่างเช่น ในอุตสาหกรรมสื่อ แบบจำลองการตรวจจับวัตถุสามารถช่วยระบุตำแหน่งของโลโก้สปอนเซอร์ในรูปถ่ายได้ ต่อไปนี้คือรูปภาพตัวอย่างจากชุดข้อมูลนี้
- การจัดประเภทรูปภาพป้ายกำกับเดียว – ชุดข้อมูลนี้สาธิตวิธีจัดประเภทรูปภาพว่าเป็นของชุดป้ายกำกับที่กำหนดไว้ล่วงหน้าชุดใดชุดหนึ่ง ตัวอย่างเช่น บริษัทอสังหาริมทรัพย์สามารถใช้ Rekognition Custom Labels เพื่อจัดหมวดหมู่ภาพห้องนั่งเล่น สวนหลังบ้าน ห้องนอน และตำแหน่งอื่นๆ ในบ้าน ต่อไปนี้คือรูปภาพตัวอย่างจากชุดข้อมูลนี้ ซึ่งรวมอยู่ในสมุดบันทึก
- ทำตามขั้นตอนในสมุดบันทึกโดยเรียกใช้แต่ละเซลล์
สมุดบันทึกนี้สาธิตวิธีการใช้สมุดบันทึกเล่มเดียวในการจัดการทั้งกรณีการใช้งานการจัดประเภทภาพและการตรวจจับวัตถุผ่าน Rekognition Custom label API
เมื่อคุณดำเนินการกับโน้ตบุ๊ก คุณจะมีตัวเลือกให้เลือกชุดข้อมูลตัวอย่างที่กล่าวถึงข้างต้นชุดใดชุดหนึ่ง เราขอแนะนำให้คุณลองใช้สมุดบันทึกสำหรับชุดข้อมูลแต่ละชุด
สรุป
ในโพสต์นี้ เราได้แสดงวิธีใช้ Rekognition Custom Labels API เพื่อสร้างการจัดหมวดหมู่ภาพหรือโมเดลการมองเห็นด้วยคอมพิวเตอร์เพื่อตรวจจับวัตถุ เพื่อจัดประเภทและระบุวัตถุในภาพที่ตรงกับความต้องการทางธุรกิจของคุณ ในการฝึกโมเดล คุณสามารถเริ่มต้นด้วยการให้รูปภาพที่ติดป้ายกำกับตั้งแต่สิบถึงร้อยภาพแทนที่จะเป็นภาพพันภาพ Rekognition Custom Labels ช่วยให้การฝึกโมเดลง่ายขึ้นโดยการดูแลตัวเลือกพารามิเตอร์ เช่น ประเภทเครื่อง ประเภทอัลกอริทึม หรือไฮเปอร์พารามิเตอร์เฉพาะอัลกอริทึม (รวมถึงจำนวนเลเยอร์ในเครือข่าย อัตราการเรียนรู้ และขนาดแบทช์) Rekognition Custom Labels ยังช่วยลดความยุ่งยากในการโฮสต์โมเดลที่ผ่านการฝึกอบรมและมอบการดำเนินการที่ง่ายดายสำหรับการอนุมานด้วยโมเดลที่ผ่านการฝึกอบรม
Rekognition Custom Labels มอบประสบการณ์คอนโซลที่ใช้งานง่ายสำหรับกระบวนการฝึกอบรม การจัดการโมเดล และการแสดงภาพของชุดข้อมูล เราขอแนะนำให้คุณเรียนรู้เพิ่มเติมเกี่ยวกับ การรับรู้ฉลากที่กำหนดเอง และลองใช้กับชุดข้อมูลเฉพาะธุรกิจของคุณ
ในการเริ่มต้น คุณสามารถนำทางไปยังสมุดบันทึกตัวอย่าง Rekognition Custom Labels ใน SageMaker JumpStart.
เกี่ยวกับผู้เขียน
พัชมีน มิสทรี เป็นผู้จัดการผลิตภัณฑ์อาวุโสของ Amazon Rekognition Custom Labels นอกที่ทำงาน Pashmeen สนุกกับการเดินป่า ถ่ายภาพ และใช้เวลาอยู่กับครอบครัว
Abhishek Gupta เป็นสถาปนิกโซลูชันบริการ AI อาวุโสของ AWS เขาช่วยลูกค้าออกแบบและใช้งานโซลูชันการมองเห็นด้วยคอมพิวเตอร์
- คอยน์สมาร์ท การแลกเปลี่ยน Bitcoin และ Crypto ที่ดีที่สุดในยุโรป
- เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าฟรี
- คริปโตฮอว์ก เรดาร์ Altcoin ทดลองฟรี.
- ที่มา: https://aws.amazon.com/blogs/machine-learning/image-classification-and-object-detection-using-amazon-rekognition-custom-labels-and-amazon-sagemaker-jumpstart/
- "
- 100
- 2020
- บทคัดย่อ
- ข้าม
- ที่อยู่
- AI
- บริการ AI
- ขั้นตอนวิธี
- อัลกอริทึม
- แล้ว
- อเมซอน
- APIs
- โดยอัตโนมัติ
- อัตโนมัติ
- ยานยนต์
- AWS
- มาตรฐาน
- ที่ดีที่สุด
- คณะกรรมการ
- แบรนด์
- สร้าง
- การก่อสร้าง
- สร้าง
- ธุรกิจ
- สามารถรับ
- ผู้สมัคร
- ซึ่ง
- กรณี
- ทางเลือก
- Choose
- การจัดหมวดหมู่
- บริษัท
- คอมพิวเตอร์
- ปลอบใจ
- สร้าง
- ประเพณี
- ลูกค้า
- ข้อมูล
- ทศวรรษ
- สาธิต
- ปรับใช้
- นำไปใช้
- ปรับใช้
- การใช้งาน
- ออกแบบ
- การตรวจพบ
- พัฒนา
- นักพัฒนา
- ต่าง
- อย่างง่ายดาย
- ง่ายต่อการใช้งาน
- อีคอมเมิร์ซ
- อิเล็กทรอนิกส์
- ส่งเสริม
- ปลายทาง
- พลังงาน
- เข้าสู่
- สิ่งแวดล้อม
- โดยเฉพาะอย่างยิ่ง
- ที่ดิน
- ตัวอย่าง
- ที่มีอยู่
- ประสบการณ์
- ความชำนาญ
- ครอบครัว
- ดังต่อไปนี้
- การเจริญเติบโต
- ให้คำแนะนำ
- ช่วย
- จะช่วยให้
- ที่มีคุณภาพสูง
- โฮสติ้ง
- ครัวเรือน
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- ทำอย่างไร
- อย่างไรก็ตาม
- HTTPS
- ร้อย
- แยกแยะ
- ภาพ
- การดำเนินการ
- รวม
- รวมทั้ง
- อุตสาหกรรม
- อุตสาหกรรม
- ประกัน
- อยากเรียนรู้
- อินเตอร์เฟซ
- ร่วมมือ
- IT
- ความรู้
- การติดฉลาก
- ป้ายกำกับ
- เรียนรู้
- การเรียนรู้
- facelift
- น้อย
- ที่อาศัยอยู่
- ที่ตั้ง
- วันหยุด
- โลโก้
- เครื่อง
- เรียนรู้เครื่อง
- การทำ
- การจัดการ
- การจัดการ
- ผู้จัดการ
- การผลิต
- ภาพบรรยากาศ
- ล้าน
- ML
- แบบ
- โมเดล
- ข้อมูลเพิ่มเติม
- หลาย
- ความต้องการ
- เครือข่าย
- สมุดบันทึก
- จำนวน
- เปิด
- การดำเนินการ
- ตัวเลือกเสริม (Option)
- อื่นๆ
- ส่วนหนึ่ง
- การปฏิบัติ
- ที่มีประสิทธิภาพ
- การถ่ายภาพ
- กระบวนการ
- กระบวนการ
- ผลิตภัณฑ์
- การผลิต
- ให้
- ให้
- การให้
- อย่างรวดเร็ว
- อสังหาริมทรัพย์
- ลด
- ความต้องการ
- ต้อง
- ผลสอบ
- ค้าปลีก
- ห้องพัก
- วิ่ง
- วิ่ง
- ค้นหา
- บริการ
- บริการ
- ชุด
- ง่าย
- ขนาด
- เล็ก
- ทางออก
- โซลูชัน
- แก้ปัญหา
- บาง
- การใช้จ่าย
- สปอนเซอร์
- เริ่มต้น
- ข้อความที่เริ่ม
- สตูดิโอ
- การ
- ทดสอบ
- พัน
- เวลา
- การฝึกอบรม
- รถไฟ
- ชนิด
- เป็นเอกลักษณ์
- ใช้
- ความหลากหลาย
- วิสัยทัศน์
- การสร้างภาพ
- ภายใน
- งาน