Nhãn tùy chỉnh Rekognition của Amazon là một dịch vụ thị giác máy tính được quản lý hoàn toàn cho phép các nhà phát triển xây dựng các mô hình tùy chỉnh để phân loại và xác định các đối tượng trong hình ảnh cụ thể và duy nhất cho doanh nghiệp của bạn.
Nhãn tùy chỉnh Rekognition không yêu cầu bạn phải có bất kỳ kiến thức chuyên môn về thị giác máy tính nào trước đó. Bạn có thể bắt đầu bằng cách tải lên hàng chục hình ảnh thay vì hàng nghìn hình ảnh. Nếu hình ảnh đã được gắn nhãn, bạn có thể bắt đầu đào tạo người mẫu chỉ trong vài cú nhấp chuột. Nếu không, bạn có thể gắn nhãn chúng trực tiếp trong bảng điều khiển Nhãn tùy chỉnh Rekognition hoặc sử dụng Sự thật về mặt đất của Amazon SageMaker để dán nhãn cho chúng. Rekognition Custom Labels sử dụng tính năng học chuyển để tự động kiểm tra dữ liệu đào tạo, chọn khung mô hình và thuật toán phù hợp, tối ưu hóa siêu tham số và đào tạo mô hình. Khi bạn hài lòng với độ chính xác của mô hình, bạn có thể bắt đầu lưu trữ mô hình được đào tạo chỉ với một cú nhấp chuột.
Tuy nhiên, nếu bạn là người dùng doanh nghiệp đang tìm cách giải quyết vấn đề về thị giác máy tính, trực quan hóa kết quả suy luận của mô hình tùy chỉnh và nhận thông báo khi có kết quả suy luận như vậy, bạn phải dựa vào nhóm kỹ sư của mình để xây dựng một ứng dụng như vậy. Ví dụ: người quản lý hoạt động nông nghiệp có thể được thông báo khi cây trồng bị phát hiện có bệnh, nhà sản xuất rượu có thể được thông báo khi nho chín để thu hoạch hoặc người quản lý cửa hàng có thể được thông báo khi đã đến lúc bổ sung hàng tồn kho như nước ngọt trong tủ lạnh thẳng đứng.
Trong bài đăng này, chúng tôi hướng dẫn bạn quy trình xây dựng giải pháp cho phép bạn trực quan hóa kết quả suy luận và gửi thông báo đến người dùng đã đăng ký khi các nhãn cụ thể được xác định trong hình ảnh được xử lý bằng các mô hình được tạo bởi Rekognition Custom Labels.
Tổng quan về giải pháp
Sơ đồ sau minh họa kiến trúc giải pháp của chúng tôi.
Giải pháp này sử dụng các dịch vụ AWS sau để triển khai kiến trúc có thể mở rộng và tiết kiệm chi phí:
- amazon Athena - Dịch vụ truy vấn tương tác không cần máy chủ giúp dễ dàng phân tích dữ liệu trong Amazon S3 bằng cách sử dụng SQL tiêu chuẩn.
- AWS Lambda - Dịch vụ máy tính không có máy chủ cho phép bạn chạy mã để phản hồi lại các kích hoạt như thay đổi dữ liệu, thay đổi trạng thái hệ thống hoặc hành động của người dùng. Vì Amazon S3 có thể trực tiếp kích hoạt chức năng Lambda, bạn có thể tạo nhiều loại thời gian thực không có máy chủ hệ thống xử lý dữ liệu.
- Amazon QuickSight - Một dịch vụ phân tích kinh doanh dựa trên đám mây rất nhanh, dễ sử dụng, giúp dễ dàng xây dựng hình ảnh hóa, thực hiện phân tích đặc biệt và nhanh chóng nhận được thông tin chi tiết về doanh nghiệp từ dữ liệu.
- Nhãn tùy chỉnh Rekognition của Amazon - Cho phép bạn đào tạo mô hình thị giác máy tính tùy chỉnh để xác định các đối tượng và cảnh trong hình ảnh cụ thể cho nhu cầu kinh doanh của bạn.
- Dịch vụ thông báo đơn giản của Amazon - Amazon SNS là dịch vụ nhắn tin được quản lý hoàn toàn cho cả giao tiếp ứng dụng với ứng dụng (A2A) và ứng dụng với người (A2P).
- Dịch vụ xếp hàng đơn giản trên Amazon - Amazon SQS là dịch vụ xếp hàng tin nhắn được quản lý hoàn toàn cho phép bạn tách và chia tỷ lệ các dịch vụ nhỏ, hệ thống phân tán và ứng dụng không máy chủ.
- Dịch vụ lưu trữ đơn giản của Amazon - Amazon S3 đóng vai trò như một kho lưu trữ đối tượng cho tài liệu của bạn và cho phép quản lý tập trung với các điều khiển truy cập được tinh chỉnh.
Giải pháp sử dụng quy trình làm việc không có máy chủ được kích hoạt khi hình ảnh được tải lên nhóm S3 đầu vào. Hàng đợi SQS nhận được thông báo sự kiện để tạo đối tượng. Giải pháp cũng tạo ra hàng đợi chữ cái chết (DLQ) để đặt sang một bên và cô lập các thư không thể được xử lý chính xác. Một hàm Lambda lấy ra khỏi hàng đợi SQS và làm cho DetectLabels
Lệnh gọi API để phát hiện tất cả các nhãn trong hình ảnh. Để mở rộng giải pháp này và làm cho nó trở thành một thiết kế được kết hợp lỏng lẻo, hàm Lambda sẽ gửi kết quả dự đoán đến một hàng đợi SQS khác. Hàng đợi SQS này kích hoạt một hàm Lambda khác, hàm này phân tích tất cả các nhãn được tìm thấy trong các dự đoán. Dựa trên sở thích của người dùng (được định cấu hình trong quá trình triển khai giải pháp), chức năng này sẽ xuất bản một thông báo tới một chủ đề SNS. Chủ đề SNS được định cấu hình để gửi thông báo qua email cho người dùng. Bạn có thể định cấu hình chức năng Lambda để thêm URL vào tin nhắn được gửi đến Amazon SNS để truy cập hình ảnh (sử dụng Amazon S3 URL được chỉ định). Cuối cùng, hàm Lambda tải lên kết quả dự đoán và siêu dữ liệu hình ảnh vào nhóm S3. Sau đó, bạn có thể sử dụng Athena và QuickSight để phân tích và trực quan hóa kết quả từ nhóm S3.
Điều kiện tiên quyết
Bạn cần có một mô hình được đào tạo và chạy với Nhãn tùy chỉnh Rekognition.
Nhãn tùy chỉnh Rekognition cho phép bạn quản lý quy trình đào tạo mô hình học máy trên Nhận thức lại Amazon bảng điều khiển, giúp đơn giản hóa quá trình phát triển mô hình end-to-end. Đối với bài đăng này, chúng tôi sử dụng một mô hình phân loại được đào tạo để phát hiện bệnh trên lá cây.
Triển khai giải pháp
Bạn triển khai một Hình thành đám mây AWS mẫu để cung cấp các tài nguyên cần thiết, bao gồm nhóm S3, hàng đợi SQS, chủ đề SNS, các hàm Lambda và Quản lý truy cập và nhận dạng AWS (IAM) vai trò. Mẫu tạo ngăn xếp Khu vực đông-1 chúng tôi, nhưng bạn có thể sử dụng mẫu để tạo ngăn xếp của mình ở bất kỳ Khu vực nào có sẵn các dịch vụ AWS ở trên.
- Khởi chạy mẫu CloudFormation sau trong tài khoản Khu vực và AWS nơi bạn triển khai mô hình Nhãn tùy chỉnh nhận lại:
- Trong Tên ngăn xếp, nhập tên ngăn xếp, chẳng hạn như
rekognition-customlabels-analytics-and-notification
. - Trong Mô hình tùy chỉnhARN, nhập ARN của mô hình Amazon Rekognition Custom Labels mà bạn muốn sử dụng.
Mô hình Nhãn tùy chỉnh Rekognition cần được triển khai trong cùng một tài khoản AWS.
- Trong Thông báo có email, nhập địa chỉ email mà bạn muốn nhận thông báo.
- Trong Tên nhóm đầu vào, nhập tên duy nhất cho nhóm S3 mà ngăn xếp tạo ra; Ví dụ,
plant-leaf-disease-data-input
.
Đây là nơi lưu trữ các hình ảnh lá cây đến.
- Trong nhãn quan tâm, bạn có thể nhập tối đa 10 nhãn khác nhau mà bạn muốn được thông báo, ở định dạng được phân tách bằng dấu phẩy. Đối với ví dụ về bệnh thực vật của chúng tôi, hãy nhập
bacterial-leaf-blight,leaf-smut
. - Trong Tự tin tối thiểu, hãy nhập ngưỡng tin cậy tối thiểu để nhận thông báo. Các nhãn được phát hiện có độ tin cậy thấp hơn giá trị MinConfidence sẽ không được trả lại trong phản hồi và sẽ không tạo thông báo.
- Trong Tên nhóm đầu ra, nhập tên duy nhất cho nhóm S3 mà ngăn xếp tạo ra; Ví dụ,
plant-leaf-disease-data-output
.
Nhóm đầu ra chứa các tệp JSON với siêu dữ liệu hình ảnh (nhãn được tìm thấy và điểm tin cậy).
- Chọn Sau.
- trên Cấu hình tùy chọn ngăn xếp , đặt bất kỳ thông số bổ sung nào cho ngăn xếp, bao gồm cả các thẻ.
- Chọn Sau.
- Trong tạp chí Khả năng và biến đổi , hãy chọn hộp kiểm để xác nhận rằng AWS CloudFormation có thể tạo Tài nguyên IAM.
- Chọn Tạo ngăn xếp.
Trang chi tiết ngăn xếp sẽ hiển thị trạng thái của ngăn xếp là CREATE_IN_PROGRESS
. Có thể mất đến 5 phút để trạng thái thay đổi thành CREATE_COMPLETE
.
Amazon SNS sẽ gửi một thông báo xác nhận đăng ký đến địa chỉ email. Bạn cần phải xác nhận đăng ký.
Kiểm tra giải pháp
Bây giờ chúng tôi đã triển khai các tài nguyên, chúng tôi đã sẵn sàng để kiểm tra giải pháp. Hãy chắc chắn rằng bạn bắt đầu mô hình.
- Trên bảng điều khiển Amazon S3, chọn xô.
- Chọn nhóm S3 đầu vào.
- Tải hình ảnh thử nghiệm lên nhóm.
Trong quá trình sản xuất, bạn có thể thiết lập các quy trình tự động để cung cấp hình ảnh vào nhóm này.
Những hình ảnh này kích hoạt quy trình làm việc. Nếu độ tin cậy của nhãn vượt quá ngưỡng được chỉ định, bạn sẽ nhận được thông báo qua email như sau.
Bạn cũng có thể định cấu hình chủ đề SNS để gửi những thông báo này tới bất kỳ khu được hỗ trợ bởi dịch vụ.
Phân tích kết quả dự đoán
Sau khi kiểm tra giải pháp, bạn có thể mở rộng giải pháp để tạo phân tích trực quan cho các dự đoán về hình ảnh đã xử lý. Với mục đích này, chúng tôi sử dụng Athena, một dịch vụ truy vấn tương tác giúp dễ dàng phân tích dữ liệu trực tiếp từ Amazon S3 bằng cách sử dụng SQL tiêu chuẩn và QuickSight để trực quan hóa dữ liệu.
Định cấu hình Athena
Nếu bạn chưa quen với Amazon Athena, hãy xem hướng dẫn này. Trên bảng điều khiển Athena, tạo một bảng trong danh mục dữ liệu Athena với mã sau:
Điền vào Location
trong truy vấn trước với tên nhóm đầu ra của bạn, chẳng hạn như plant-leaf-disease-data-output
.
Đoạn mã này cho Athena biết cách diễn giải từng hàng văn bản trong nhóm S3.
Bây giờ bạn có thể truy vấn dữ liệu:
SELECT * FROM "default"."rekognition_customlabels_analytics" limit 10;
Định cấu hình QuickSight
Để định cấu hình QuickSight, hãy hoàn thành các bước sau:
- Mở Bảng điều khiển QuickSight.
- Nếu bạn chưa đăng ký QuickSight, bạn sẽ được nhắc với tùy chọn đăng ký. Làm theo các bước để đăng ký để sử dụng QuickSight.
- Sau khi bạn đăng nhập vào QuickSight, hãy chọn Quản lý QuickSight dưới tài khoản của bạn.
- Trong ngăn dẫn hướng, chọn Bảo mật và quyền.
- Theo Quyền truy cập QuickSight vào các dịch vụ AWS, chọn Thêm hoặc loại bỏ.
Một trang xuất hiện để bật quyền truy cập QuickSight vào các dịch vụ AWS.
- Chọn đàn bà gan dạ Athena.
- Trong cửa sổ bật lên, chọn Sau.
- Trên tab S3, chọn nhóm S3 cần thiết. Đối với bài đăng này, tôi chọn nhóm lưu trữ kết quả truy vấn Athena của tôi.
- Đối với mỗi nhóm, cũng chọn Viết quyền cho Athena Workgroup.
- Chọn Kết thúc.
- Chọn Cập nhật.
- Trên bảng điều khiển QuickSight, chọn Phân tích mới.
- Chọn Tập dữ liệu mới.
- Trong Bộ dữ liệu, chọn Athena.
- Trong Tên nguồn dữ liệu, đi vào
Athena-CustomLabels-analysis
. - Trong Nhóm làm việc Athena, chọn chính.
- Chọn Tạo nguồn dữ liệu.
- Trong Cơ sở dữ liệu, chọn
default
trên menu thả xuống. - Trong Bàn, chọn bàn
rekognition_customlabels_analytics
. - Chọn Lựa chọn.
- Chọn Hình dung.
- trên Hình dung trang, dưới Lĩnh vực danh sách, chọn nhãn và chọn biểu đồ hình tròn từ Các loại hình ảnh.
Bạn có thể thêm nhiều hình ảnh hóa hơn trong bảng điều khiển. Khi phân tích của bạn đã sẵn sàng, bạn có thể chọn Chia sẻ để tạo trang tổng quan và chia sẻ nó trong tổ chức của bạn.
Tổng kết
Trong bài đăng này, chúng tôi đã chỉ ra cách bạn có thể tạo giải pháp để nhận thông báo cho các nhãn cụ thể (chẳng hạn như bệnh cháy lá do vi khuẩn hoặc bệnh dập lá) được tìm thấy trong các hình ảnh được xử lý bằng cách sử dụng Nhãn tùy chỉnh Rekognition. Ngoài ra, chúng tôi đã chỉ ra cách bạn có thể tạo trang tổng quan để trực quan hóa kết quả bằng Athena và QuickSight.
Giờ đây, bạn có thể dễ dàng chia sẻ các bảng điều khiển trực quan như vậy với người dùng doanh nghiệp và cho phép họ đăng ký nhận thông báo thay vì phải dựa vào các nhóm kỹ sư của bạn để xây dựng một ứng dụng như vậy.
Về các tác giả
Jay Rao là Kiến trúc sư giải pháp chính tại AWS. Anh ấy thích cung cấp hướng dẫn kỹ thuật và chiến lược cho khách hàng, đồng thời giúp họ thiết kế và triển khai các giải pháp trên AWS.
Pashmeen là Giám đốc sản phẩm cấp cao cho các Nhãn tùy chỉnh Rekognition của Amazon. Ngoài công việc, Pashmeen thích đi bộ đường dài mạo hiểm, chụp ảnh và dành thời gian cho gia đình.
- Coinsmart. Sàn giao dịch Bitcoin và tiền điện tử tốt nhất Châu Âu.
- Platoblockchain. Web3 Metaverse Intelligence. Khuếch đại kiến thức. TRUY CẬP MIỄN PHÍ.
- CryptoHawk. Radar Altcoin. Dùng thử miễn phí.
- Nguồn: 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
- truy cập
- Tài khoản
- hành động
- Ad
- Ngoài ra
- thêm vào
- địa chỉ
- thuật toán
- Tất cả
- Đã
- đàn bà gan dạ
- phân tích
- phân tích
- Một
- api
- Các Ứng Dụng
- các ứng dụng
- kiến trúc
- Tự động
- có sẵn
- AWS
- biên giới
- Hộp
- xây dựng
- Xây dựng
- kinh doanh
- cuộc gọi
- Có thể có được
- thay đổi
- Chọn
- phân loại
- mã
- Giao tiếp
- Tính
- sự tự tin
- An ủi
- chứa
- chi phí-hiệu quả
- kết
- tạo ra
- tạo
- cây trồng
- khách hàng
- khách hàng
- bảng điều khiển
- dữ liệu
- triển khai
- triển khai
- triển khai
- Thiết kế
- phát hiện
- phát triển
- Phát triển
- khác nhau
- trực tiếp
- Bệnh
- phân phối
- tài liệu
- Không
- dễ dàng
- cho phép
- Kỹ Sư
- đăng ký hạng mục thi
- Sự kiện
- ví dụ
- chuyên môn
- thêm
- gia đình
- NHANH
- Cuối cùng
- theo
- tiếp theo
- định dạng
- tìm thấy
- Khung
- chức năng
- tạo ra
- có
- Độ đáng tin của
- Hướng dẫn
- HTTPS
- xác định
- Bản sắc
- hình ảnh
- thực hiện
- Bao gồm
- đầu vào
- những hiểu biết
- tương tác
- IT
- chỉ một
- Nhãn
- học tập
- Danh sách
- địa điểm thư viện nào
- tìm kiếm
- máy
- học máy
- LÀM CHO
- quản lý
- quản lý
- giám đốc
- tin nhắn
- tối thiểu
- kiểu mẫu
- mô hình
- chi tiết
- THÔNG TIN
- thông báo
- Hoạt động
- Tùy chọn
- cơ quan
- nhiếp ảnh
- dự đoán
- Dự đoán
- Hiệu trưởng
- Vấn đề
- quá trình
- Quy trình
- Sản phẩm
- Sản lượng
- cung cấp
- mục đích
- Mau
- thời gian thực
- nhận
- yêu cầu
- Thông tin
- phản ứng
- Kết quả
- chạy
- chạy
- khả năng mở rộng
- Quy mô
- cảnh
- Không có máy chủ
- dịch vụ
- DỊCH VỤ
- định
- Chia sẻ
- Đơn giản
- giải pháp
- Giải pháp
- động SOLVE
- Chi
- ngăn xếp
- Tiêu chuẩn
- Bắt đầu
- bắt đầu
- Tiểu bang
- Trạng thái
- là gắn
- hàng
- cửa hàng
- Chiến lược
- đăng ký
- đăng ký
- Hỗ trợ
- hệ thống
- hệ thống
- nhóm
- Kỹ thuật
- nói
- thử nghiệm
- hàng ngàn
- Thông qua
- thời gian
- Hội thảo
- chuyển
- độc đáo
- sử dụng
- Người sử dụng
- giá trị
- nhiều
- tầm nhìn
- hình dung
- ở trong
- Công việc
- Nhóm làm việc