Amazon Rekognition自定义标签, 你可以有 亚马逊重新认识 根据您的业务需求训练用于对象检测或图像分类的自定义模型。 例如,Rekognition Custom Labels 可以在社交媒体帖子中找到您的徽标、在商店货架上识别您的产品、在装配线上对机器零件进行分类、区分健康和受感染的植物,或者检测视频中的动画角色。
开发 Rekognition Custom Labels 模型来分析图像是一项重大任务,需要时间、专业知识和资源,通常需要数月才能完成。 此外,它通常需要数千或数万张手工标记的图像才能为模型提供足够的数据以准确做出决策。 生成这些数据可能需要几个月的时间来收集,并且需要大型标记团队来准备将其用于机器学习 (ML)。
借助 Rekognition 自定义标签,我们可以为您处理繁重的工作。 Rekognition Custom Labels 建立在 Amazon Rekognition 现有功能的基础上,该功能已经在多个类别的数千万张图像上进行了训练。 您只需通过我们易于使用的控制台上传一小组特定于您的用例的训练图像(通常为几百张或更少),而不是数千张图像。 如果您的图像已被标记,Amazon Rekognition 只需单击几下即可开始训练。 如果没有,您可以直接在 Amazon Rekognition 标签界面中为它们添加标签,或者使用 亚马逊SageMaker地面真相 为你贴上标签。 在 Amazon Rekognition 开始根据您的图像集进行训练后,它会在短短几个小时内为您生成自定义图像分析模型。 在幕后,Rekognition Custom Labels 自动加载和检查训练数据、选择正确的 ML 算法、训练模型并提供模型性能指标。 然后,您可以通过 Rekognition Custom Labels API 使用您的自定义模型并将其集成到您的应用程序中。
但是,构建 Rekognition 自定义标签模型并将其托管以进行实时预测涉及多个步骤:创建项目、创建训练和验证数据集、训练模型、评估模型,然后创建端点。 部署模型进行推理后,您可能必须在新数据可用时或收到来自真实世界推理的反馈时重新训练模型。 自动化整个工作流程有助于减少手动工作。
在这篇文章中,我们展示了如何使用 AWS步骤功能 构建和自动化工作流程。 Step Functions 是一种可视化工作流服务,可帮助开发人员使用 AWS 服务构建分布式应用程序、自动化流程、编排微服务以及创建数据和 ML 管道。
解决方案概述
Step Functions 工作流程如下:
- 我们首先创建一个 Amazon Rekognition 项目。
- 同时,我们使用现有数据集创建训练和验证数据集。 我们可以使用以下方法:
- 从中导入文件夹结构 亚马逊简单存储服务 (Amazon S3) 以及代表标签的文件夹。
- 使用本地计算机。
- 使用地面实况。
- 通过 AWS 开发工具包使用现有数据集创建数据集.
- 使用 AWS 开发工具包创建包含清单文件的数据集.
- 创建数据集后,我们使用 创建项目版本 应用程序接口。 这可能需要几分钟到几小时才能完成。
- 模型训练完成后,我们使用上一步输出的 F1 分数对模型进行评估。 我们使用 F1 分数作为我们的评估指标,因为它提供了精确度和召回率之间的平衡。 您还可以使用精度或召回率作为模型评估指标。 有关自定义标签评估指标的更多信息,请参阅 评估模型的指标.
- 如果我们对 F1 分数感到满意,那么我们就开始使用该模型进行预测。
先决条件
在部署工作流之前,我们需要创建现有的训练和验证数据集。 完成以下步骤:
- 首先, 创建一个 Amazon Rekognition 项目.
- 然后, 创建训练和验证数据集.
- 最后, 安装 AWS SAM CLI.
部署工作流程
要部署工作流,请克隆 GitHub存储库:
这些命令构建、打包并将您的应用程序部署到 AWS,并带有存储库中解释的一系列提示。
运行工作流程
要测试工作流,请导航到 Step Functions 控制台上已部署的工作流,然后选择 开始执行.
工作流程可能需要几分钟到几小时才能完成。 如果模型通过评估标准,则会在 Amazon Rekognition 中为该模型创建一个终端节点。 如果模型未通过评估标准或训练失败,则工作流失败。 您可以在 Step Functions 控制台上检查工作流的状态。 有关详细信息,请参阅 在 Step Functions 控制台上查看和调试执行.
执行模型预测
要对模型执行预测,您可以调用 Amazon Rekognition DetectCustomLabels API. 要调用此 API,调用者需要具有必要的 AWS身份和访问管理 (IAM) 权限。 有关使用此 API 执行预测的更多详细信息,请参阅 使用经过训练的模型分析图像.
但是,如果您需要公开公开 DetectCustomLabels API,您可以在 DetectCustomLabels API 前面使用 Amazon API网关. API Gateway 是一项完全托管的服务,可让开发人员轻松创建、发布、维护、监控和保护任何规模的 API。 API 网关充当 DetectCustomLabels API 的前门,如下面的架构图所示。
API Gateway 将用户的推理请求转发到 AWS Lambda. Lambda 是一种无服务器、事件驱动的计算服务,可让您为几乎任何类型的应用程序或后端服务运行代码,而无需预置或管理服务器。 Lambda 接收 API 请求并使用必要的 IAM 权限调用 Amazon Rekognition DetectCustomLabels API。 有关如何使用 Lambda 集成设置 API 网关的更多信息,请参阅 在 API Gateway 中设置 Lambda 代理集成.
以下是调用 DetectCustomLabels API 的示例 Lambda 函数代码:
清理
要删除工作流程,请使用 AWS SAM CLI:
要删除 Rekognition 自定义标签模型,您可以使用 Amazon Rekognition 控制台或 AWS 开发工具包。 有关详细信息,请参阅 删除 Amazon Rekognition 自定义标签模型.
结论
在本文中,我们介绍了 Step Functions 工作流程以创建数据集,然后训练、评估和使用 Rekognition 自定义标签模型。 该工作流允许应用程序开发人员和 ML 工程师为任何计算机视觉用例自动化自定义标签分类步骤。 工作流程的代码是开源的。
如需更多无服务器学习资源,请访问 无服务器土地. 要了解有关 Rekognition 自定义标签的更多信息,请访问 Amazon Rekognition自定义标签.
关于作者
吠陀拉曼 是位于马里兰州的机器学习高级专家解决方案架构师。 Veda 与客户合作,帮助他们构建高效、安全和可扩展的机器学习应用程序。 Veda 有兴趣帮助客户利用无服务器技术进行机器学习。
- SEO 支持的内容和 PR 分发。 今天得到放大。
- 柏拉图区块链。 Web3 元宇宙智能。 知识放大。 访问这里。
- Sumber: https://aws.amazon.com/blogs/machine-learning/automate-amazon-rekognition-custom-labels-model-training-and-deployment-using-aws-step-functions/
- :是
- $UP
- 100
- 7
- 8
- a
- 关于
- ACCESS
- 准确
- 横过
- 行为
- 另外
- 后
- 驳
- 算法
- 允许
- 已经
- Amazon
- 亚马逊重新认识
- 分析
- 分析
- 和
- API
- APIs
- 应用领域
- 应用领域
- 架构
- 保健
- AS
- 组装
- At
- 自动化
- 自动
- 自动化
- 可使用
- AWS
- AWS步骤功能
- 后端
- 当前余额
- 基于
- 因为
- 成为
- 开始
- 背后
- 在幕后
- 之间
- 身体
- 建立
- 建筑物
- 建立
- 商业
- 呼叫
- 呼叫者
- 呼叫
- CAN
- 能力
- 关心
- 案件
- 类别
- CD
- 字符
- 查
- 分类
- 分类
- 客户
- 码
- 完成
- 计算
- 一台
- 计算机视觉
- 安慰
- 上下文
- 可以
- 创建信息图
- 创建
- 创造
- 标准
- 习俗
- 合作伙伴
- data
- 数据集
- 决定
- 部署
- 部署
- 部署
- 部署
- 详情
- 检测
- 开发
- 直接
- 区分
- 分布
- 不会
- 门
- 易
- 易于使用
- 高效
- 或
- 端点
- 工程师
- 更多
- 醚(ETH)
- 评估
- 评估
- 评估
- 活动
- 例子
- 现有
- 专门知识
- 解释
- f1
- 失败
- 失败
- 反馈
- 少数
- 文件
- 找到最适合您的地方
- 姓氏:
- 以下
- 如下
- 针对
- 止
- 前
- 充分
- 功能
- 功能
- 网关
- 发电
- 混帐
- 陆运
- 有
- 健康
- 重
- 举重
- 帮助
- 帮助
- 帮助
- 托管
- HOURS
- 创新中心
- How To
- HTML
- HTTPS
- IAM
- 鉴定
- 身分
- 图片
- 图像分析
- 图像分类
- 图片
- in
- 信息
- 代替
- 整合
- 积分
- 集成
- 有兴趣
- 接口
- 涉及
- IT
- JSON
- 标签
- 标签
- 标签
- 大
- 学习用品
- 学习
- 让
- 杠杆作用
- 翻新
- Line
- 负载
- 本地
- 商标
- 机
- 机器学习
- 保持
- 使
- 制作
- 管理
- 管理的
- 手册
- 体力劳动
- 许多
- 马里兰州
- 媒体
- 方法
- 公
- 指标
- 微服务
- 可能
- 百万
- 分钟
- ML
- ML算法
- 模型
- 显示器
- 个月
- 更多
- 导航
- 必要
- 需求
- 需要
- 全新
- 对象
- 物体检测
- of
- on
- OS
- 产量
- 包
- 并行
- 部分
- 通行证
- 演出
- 性能
- 执行
- 权限
- 工厂
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 帖子
- 帖子
- 平台精度
- 预测
- Prepare
- 以前
- 过程
- 热销产品
- 项目
- 提供
- 提供
- 代理
- 公然
- 发布
- 真实的世界
- 实时的
- 收到
- 接收
- 减少
- 知识库
- 代表
- 请求
- 要求
- 需要
- 资源
- 响应
- 回报
- 运行
- s
- sagemaker
- Sam
- 满意
- 对满意
- 可扩展性
- 鳞片
- 场景
- 得分了
- SDK
- 安全
- 前辈
- 系列
- 无服务器
- 服务器
- 服务
- 特色服务
- 集
- 几个
- 货架
- 显示
- 如图
- 显著
- 简易
- 只是
- 自
- 小
- 社会
- 社会化媒体
- 社交媒体帖子
- 解决方案
- 专家
- 具体的
- 开始
- Status
- 步
- 步骤
- 存储
- 商店
- 结构体
- 采取
- 服用
- 队
- 技术
- test
- 这
- 他们
- 数千
- 通过
- 次
- 至
- 培训
- 熟练
- 产品培训
- 火车
- 一般
- 使用
- 用例
- 验证
- 通过
- 视频
- 实质上
- 愿景
- 参观
- 走
- 这
- 中
- 也完全不需要
- 工作
- 工作流程
- 合作
- 您一站式解决方案
- 和风网