Amazon Rekognition Özel Etiketleri geliştiricilerin, işinize özel ve benzersiz olan görüntülerdeki nesneleri sınıflandırmak ve tanımlamak için özel modeller oluşturmasına olanak tanıyan, tam olarak yönetilen bir bilgisayarla görme hizmetidir.
Tanıma Özel Etiketleri, önceden herhangi bir bilgisayarlı görme uzmanlığına sahip olmanızı gerektirmez. Binlerce resim yerine onlarca resim yükleyerek başlayabilirsiniz. Görüntüler zaten etiketlenmişse, sadece birkaç tıklamayla bir modeli eğitmeye başlayabilirsiniz. Değilse, bunları doğrudan Rekognition Özel Etiketler konsolunda etiketleyebilir veya Amazon SageMaker Yer Gerçeği onları etiketlemek için. Tanıma Özel Etiketleri, eğitim verilerini otomatik olarak incelemek, doğru model çerçevesini ve algoritmayı seçmek, hiper parametreleri optimize etmek ve modeli eğitmek için aktarım öğrenimini kullanır. Model doğruluğundan memnun kaldığınızda, yalnızca tek bir tıklama ile eğitilmiş modeli barındırmaya başlayabilirsiniz.
Ancak, bir bilgisayarla görme problemini çözmek, özel modelin çıkarım sonuçlarını görselleştirmek ve bu tür çıkarım sonuçları mevcut olduğunda bildirim almak isteyen bir iş kullanıcısıysanız, böyle bir uygulamayı oluşturmak için mühendislik ekibinize güvenmeniz gerekir. Örneğin, bir üründe hastalık bulunduğu tespit edildiğinde bir tarımsal operasyon müdürü bilgilendirilebilir, üzümler hasat için olgunlaştığında bir şarap üreticisine bildirilebilir veya alkolsüz içecekler gibi stokları yeniden stoklama zamanı geldiğinde bir mağaza müdürüne haber verilebilir. dikey bir buzdolabında.
Bu gönderide, Rekognition Özel Etiketleri tarafından oluşturulan modeller kullanılarak işlenen görüntülerde belirli etiketler tanımlandığında çıkarım sonucunu görselleştirmenize ve abone kullanıcılara bildirim göndermenize olanak tanıyan bir çözüm oluşturma sürecinde size yol gösteriyoruz.
Çözüme genel bakış
Aşağıdaki şema çözüm mimarimizi göstermektedir.
Bu çözüm, ölçeklenebilir ve uygun maliyetli bir mimari uygulamak için aşağıdaki AWS hizmetlerini kullanır:
- Amazon Atina – Standart SQL kullanarak Amazon S3'teki verileri analiz etmeyi kolaylaştıran sunucusuz etkileşimli bir sorgu hizmeti.
- AWS Lambda – Verilerdeki değişiklikler, sistem durumundaki değişimler veya kullanıcı eylemleri gibi tetikleyicilere yanıt olarak kod çalıştırmanıza izin veren sunucusuz bir bilgi işlem hizmeti. Amazon S3, bir Lambda işlevini doğrudan tetikleyebildiğinden, çeşitli gerçek zamanlı sunucusuz veri işleme sistemleri.
- Amazon QuickSight – Görselleştirmeler oluşturmayı, geçici analiz gerçekleştirmeyi ve verilerden hızla iş içgörüleri almayı kolaylaştıran, çok hızlı, kullanımı kolay, bulutla çalışan bir iş analitiği hizmeti.
- Amazon Rekognition Özel Etiketleri – İş gereksinimlerinize özel görüntülerdeki nesneleri ve sahneleri tanımlamak için özel bir bilgisayarlı görü modeli eğitmenize olanak tanır.
- Amazon Basit Bildirim Servisi – Amazon SNS, hem uygulamadan uygulamaya (A2A) hem de uygulamadan kişiye (A2P) iletişim için tam olarak yönetilen bir mesajlaşma hizmetidir.
- Amazon Basit Kuyruk Hizmeti – Amazon SQS, mikro hizmetleri, dağıtılmış sistemleri ve sunucusuz uygulamaları ayırmanıza ve ölçeklendirmenize olanak tanıyan, tam olarak yönetilen bir mesaj kuyruğa alma hizmetidir.
- Amazon Basit Depolama Hizmeti – Amazon S3, belgeleriniz için bir nesne deposu görevi görür ve ince ayarlanmış erişim kontrolleriyle merkezi yönetime olanak tanır.
Çözüm, giriş S3 klasörüne bir görüntü yüklendiğinde tetiklenen sunucusuz bir iş akışı kullanır. Bir SQS kuyruğu, nesne oluşturma için bir olay bildirimi alır. Çözüm ayrıca oluşturur geçersiz mektup kuyrukları (DLQ'lar) doğru işlenemeyen mesajları bir kenara koymak ve izole etmek için. Bir Lambda işlevi, SQS kuyruğundan beslenir ve DetectLabels
Görüntüdeki tüm etiketleri algılamak için API çağrısı. Bu çözümü ölçeklendirmek ve gevşek bağlı bir tasarım yapmak için Lambda işlevi, tahmin sonuçlarını başka bir SQS kuyruğuna gönderir. Bu SQS kuyruğu, tahminlerde bulunan tüm etiketleri analiz eden başka bir Lambda işlevini tetikler. Kullanıcı tercihine göre (çözüm dağıtımı sırasında yapılandırılır), işlev bir SNS konusuna bir mesaj yayınlar. SNS konusu, kullanıcıya e-posta bildirimleri iletmek üzere yapılandırılmıştır. Görüntüye erişmek için Amazon SNS'ye gönderilen mesaja bir URL eklemek için Lambda işlevini yapılandırabilirsiniz (bir Amazon S3 kullanarak önceden belirlenmiş URL). Son olarak, Lambda işlevi bir tahmin sonucunu ve görüntü meta verilerini bir S3 klasörüne yükler. Ardından, S3 kovasındaki sonuçları analiz etmek ve görselleştirmek için Athena ve QuickSight'ı kullanabilirsiniz.
Önkoşullar
Rekognition Özel Etiketleri ile eğitilmiş ve çalışan bir modelinizin olması gerekir.
Tanıma Özel Etiketleri, makine öğrenimi modeli eğitim sürecini Amazon Rekognisyon uçtan uca model geliştirme sürecini basitleştiren konsol. Bu gönderi için kullandığımız bitki yaprak hastalıklarını tespit etmek için eğitilmiş bir sınıflandırma modeli.
Çözümü dağıtın
Bir dağıtıyorsun AWS CloudFormation S3 kovaları, SQS kuyrukları, SNS konusu, Lambda işlevleri ve AWS Kimlik ve Erişim Yönetimi (IAM) rolleri. Şablon, us-east-1 Bölgesi yığınını oluşturur, ancak şablonu, yukarıdaki AWS hizmetlerinin kullanılabildiği herhangi bir Bölgede yığınınızı oluşturmak için kullanabilirsiniz.
- Rekognition Özel Etiketler modelini dağıttığınız Bölge ve AWS hesabında aşağıdaki CloudFormation şablonunu başlatın:
- İçin Yığın adıgibi bir yığın adı girin
rekognition-customlabels-analytics-and-notification
. - İçin ÖzelModelARN, kullanmak istediğiniz Amazon Rekognition Özel Etiketler modelinin ARN'sini girin.
Tanıma Özel Etiketler modelinin aynı AWS hesabında dağıtılması gerekir.
- İçin Eposta bildirimi, bildirimleri almak istediğiniz bir e-posta adresi girin.
- İçin GirişBucketName, yığının oluşturduğu S3 paketi için benzersiz bir ad girin; örneğin,
plant-leaf-disease-data-input
.
Gelen bitki yaprak görüntülerinin saklandığı yer burasıdır.
- İçin İlgi Alanları, haberdar olmak istediğiniz en fazla 10 farklı etiketi virgülle ayrılmış biçimde girebilirsiniz. Bitki hastalığı örneğimiz için şunu girin:
bacterial-leaf-blight,leaf-smut
. - İçin MinGüven, bildirim almak için minimum güven eşiğini girin. MinConfidence değerinin altında bir güvenle algılanan etiketler yanıtta döndürülmez ve bildirim oluşturmaz.
- İçin ÇıktıBucketName, yığının oluşturduğu S3 paketi için benzersiz bir ad girin; örneğin,
plant-leaf-disease-data-output
.
Çıktı paketi, görüntü meta verileri (bulunan etiketler ve güven puanı) içeren JSON dosyalarını içerir.
- Klinik Sonraki.
- Üzerinde Yığın seçeneklerini yapılandırma sayfasında, etiketler dahil olmak üzere yığın için ek parametreleri ayarlayın.
- Klinik Sonraki.
- içinde Yetenekler ve dönüşümler bölümünde, AWS CloudFormation'ın oluşturabileceğini onaylamak için onay kutusunu seçin. IAM kaynakları.
- Klinik Yığın oluştur.
Yığın ayrıntıları sayfası, yığının durumunu şu şekilde göstermelidir: CREATE_IN_PROGRESS
. Durumun değişmesi 5 dakika kadar sürebilir CREATE_COMPLETE
.
Amazon SNS, e-posta adresine bir abonelik onay mesajı gönderecektir. Gerek aboneliği onayla.
Çözümü test edin
Artık kaynakları dağıttığımıza göre, çözümü test etmeye hazırız. Emin olun modeli başlat.
- Amazon S3 konsolunda şunu seçin: Kepçeler.
- Giriş S3 kovasını seçin.
- Test görüntülerini kovaya yükleyin.
Üretimde, görüntüleri bu kovaya teslim etmek için otomatik süreçler ayarlayabilirsiniz.
Bu görüntüler iş akışını tetikler. Etiket güveni belirtilen eşiği aşarsa, aşağıdaki gibi bir e-posta bildirimi alırsınız.
SNS konusunu, bu bildirimleri herhangi bir kullanıcıya iletecek şekilde de yapılandırabilirsiniz. Destinasyon servis tarafından desteklenmektedir.
Tahmin sonuçlarını analiz edin
Çözümü test ettikten sonra, işlenmiş görüntülerin tahminleri için görsel bir analiz oluşturmak üzere çözümü genişletebilirsiniz. Bu amaçla, standart SQL kullanarak doğrudan Amazon S3'ten verileri analiz etmeyi kolaylaştıran etkileşimli bir sorgu hizmeti olan Athena'yı ve verileri görselleştirmek için QuickSight'ı kullanıyoruz.
Athena'yı yapılandır
Amazon Athena'ya aşina değilseniz, bkz. Bu eğitimde. Athena konsolunda, Athena veri kataloğunda aşağıdaki kodla bir tablo oluşturun:
Doldurun Location
önceki sorgudaki çıktı paketi adınızla birlikte alan, örneğin plant-leaf-disease-data-output
.
Bu kod, Athena'ya S3 kovasındaki metnin her satırını nasıl yorumlayacağını söyler.
Artık verileri sorgulayabilirsiniz:
SELECT * FROM "default"."rekognition_customlabels_analytics" limit 10;
QuickSight'ı yapılandırın
QuickSight'ı yapılandırmak için aşağıdaki adımları tamamlayın:
- Açın QuickSight konsolu.
- QuickSight'a kaydolmadıysanız, kaydolma seçeneği sunulur. için adımları izleyin QuickSight'ı kullanmak için kaydolun.
- QuickSight'ta oturum açtıktan sonra, QuickSight'ı yönetin hesabınızın altında.
- Gezinti bölmesinde şunu seçin: Güvenlik ve izinler.
- Altında AWS hizmetlerine QuickSight erişimi, seçmek Ekle veya sil.
AWS hizmetlerine QuickSight erişimini etkinleştirmek için bir sayfa görüntülenir.
- seç Amazon Athena.
- Açılan pencerede Sonraki.
- S3 sekmesinde gerekli S3 klasörlerini seçin. Bu gönderi için Athena sorgu sonuçlarımı saklayan kovayı seçiyorum.
- Her bir kova için ayrıca Athena Workgroup için izin yazın.
- Klinik Bitiş.
- Klinik Güncelleme.
- QuickSight konsolunda şunu seçin: Yeni analiz,.
- Klinik Yeni veri kümesi.
- İçin Veri Setleri, seçmek Athena.
- İçin Veri kaynağı adı, girmek
Athena-CustomLabels-analysis
. - İçin Athena çalışma grubu, seçmek birincil.
- Klinik Veri kaynağı oluştur.
- İçin veritabanı, seçmek
default
Açılır menüde. - İçin tablolar, tabloyu seçin
rekognition_customlabels_analytics
. - Klinik Seçin.
- Klinik Görselleştirin.
- Üzerinde Görselleştirin sayfasının altında, Alanlar listeyi seç etiket ve pasta grafiği seçin Görsel türler.
Panoya daha fazla görselleştirme ekleyebilirsiniz. Analiziniz hazır olduğunda, seçebilirsiniz paylaş bir gösterge panosu oluşturmak ve bunu kuruluşunuz içinde paylaşmak için.
Özet
Bu gönderide, Rekognition Özel Etiketleri kullanarak işlenmiş görüntülerde bulunan belirli etiketler (bakteriyel yaprak yanıklığı veya yaprak lekesi gibi) için bildirim almak üzere nasıl bir çözüm oluşturabileceğinizi gösterdik. Ayrıca, Athena ve QuickSight kullanarak sonuçları görselleştirmek için nasıl panolar oluşturabileceğinizi gösterdik.
Artık bu tür görselleştirme panolarını iş kullanıcılarıyla kolayca paylaşabilir ve böyle bir uygulamayı oluşturmak için mühendislik ekiplerinize güvenmek yerine onların bildirimlere abone olmalarına izin verebilirsiniz.
Yazarlar Hakkında
Jay Rao AWS'de Baş Çözüm Mimarıdır. Müşterilere teknik ve stratejik rehberlik sağlamaktan ve AWS'de çözümler tasarlamalarına ve uygulamalarına yardımcı olmaktan keyif alıyor.
Peşmerge Mistry Amazon Rekognition Özel Etiketleri için Kıdemli Ürün Yöneticisidir. Pashmeen, iş dışında maceralı yürüyüşler yapmaktan, fotoğraf çekmekten ve ailesiyle vakit geçirmekten hoşlanır.
- Akıllı para. Avrupa'nın En İyi Bitcoin ve Kripto Borsası.
- Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. SERBEST ERİŞİM.
- KriptoHawk. Altcoin Radarı. Ücretsiz deneme.
- Kaynak: 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
- erişim
- Hesap
- eylemler
- Ad
- ilave
- Ek
- adres
- algoritma
- Türkiye
- zaten
- Amazon
- analiz
- analytics
- Başka
- api
- Uygulama
- uygulamaları
- mimari
- Otomatik
- mevcut
- AWS
- sınır
- kutu
- inşa etmek
- bina
- iş
- çağrı
- Alabilirsin
- değişiklik
- Klinik
- sınıflandırma
- kod
- Yakın İletişim
- hesaplamak
- güven
- konsolos
- içeren
- uygun maliyetli
- çiftleşmiş
- oluşturur
- oluşturma
- ürün
- görenek
- Müşteriler
- gösterge paneli
- veri
- dağıtmak
- konuşlandırılmış
- açılma
- Dizayn
- algılandı
- geliştiriciler
- gelişme
- farklı
- direkt olarak
- Hastalık
- dağıtıldı
- evraklar
- Değil
- kolayca
- E-posta
- etkinleştirme
- Mühendislik
- Keşfet
- Etkinlikler
- örnek
- Uzmanlık
- uzatmak
- aile
- HIZLI
- Nihayet
- takip et
- takip etme
- biçim
- bulundu
- iskelet
- işlev
- oluşturmak
- sahip olan
- Ne kadar
- Nasıl Yapılır
- HTTPS
- belirlemek
- Kimlik
- görüntü
- uygulamak
- Dahil olmak üzere
- giriş
- anlayışlar
- interaktif
- IT
- sadece bir
- Etiketler
- öğrenme
- Liste
- yer
- bakıyor
- makine
- makine öğrenme
- YAPAR
- yönetilen
- yönetim
- müdür
- mesajlaşma
- asgari
- model
- modelleri
- Daha
- Navigasyon
- tebliğ
- Operasyon
- seçenek
- kuruluşlar
- fotoğrafçılık
- tahmin
- Tahminler
- Anapara
- Sorun
- süreç
- Süreçler
- PLATFORM
- üretim
- sağlama
- amaç
- hızla
- gerçek zaman
- teslim almak
- gerektirir
- Kaynaklar
- yanıt
- Sonuçlar
- koşmak
- koşu
- ölçeklenebilir
- ölçek
- Sahneler
- Serverless
- hizmet
- Hizmetler
- set
- paylaş
- Basit
- çözüm
- Çözümler
- ÇÖZMEK
- Harcama
- yığın
- standart
- başlama
- başladı
- Eyalet
- Durum
- hafızası
- mağaza
- mağaza
- Stratejik
- abone ol
- abone
- destekli
- sistem
- Sistemler
- takım
- Teknik
- anlatır
- test
- Binlerce
- İçinden
- zaman
- Eğitim
- transfer
- benzersiz
- kullanım
- kullanıcılar
- değer
- çeşitlilik
- vizyonumuz
- görüntüleme
- içinde
- İş
- Çalışma grubu