AWS недавно анонсировала Пользовательские метки Amazon Rekognition, где вы можете идентифицировать объекты и сцены на изображениях, которые соответствуют потребностям вашего бизнеса. Например, вы можете найти свой логотип в сообщениях в социальных сетях, идентифицировать свои продукты на полках магазинов, классифицировать детали машин на конвейере, различать здоровые и зараженные растения или обнаруживать анимированных персонажей в видеороликах . - https://aws.amazon.com/blogs/machine-learning/announcing-amazon-rekognition-custom-labels/

Я не специалист по данным или гуру машинного обучения, а просто архитектор решений, который хочет помочь в решении проблем клиентов. Одним из таких пробелов в отношениях с клиентами, особенно с компаниями старой закалки и небольшими компаниями, является отсутствие глубоких навыков в области науки о данных. Это не позволяет им использовать захватывающие достижения в области машинного обучения, включая использование различных алгоритмов машинного обучения, использование новых типов инстансов серверов, специально разработанных для машинного обучения, и других сервисов машинного обучения, таких как Amazon Sagemaker, которые доступны у поставщиков общедоступных облаков, таких как AWS.

AWS предлагает ряд сервисов для обслуживания этого сегмента клиентов, где есть услуги искусственного интеллекта более высокого уровня, где клиенты могут выполнять анализ изображений и видео, обработку естественного языка, персонализированные рекомендации, виртуальных помощников и прогнозирование для ваших приложений и других приложений, не обладая глубокими знаниями в этой области. машинное обучение. Каждую из служб можно использовать отдельно, или вы можете использовать их совместно для создания сложных функциональных возможностей, подобных человеку. В любом случае вы получаете мгновенный доступ к быстрым и высококачественным инструментам искусственного интеллекта, основанным на той же технологии, которая используется в собственном бизнесе Amazon.

Из https://aws.amazon.com/machine-learning/ai-services/ услуги в этом портфеле по состоянию на 12 декабря 2019 года выглядят следующим образом:

Подтверждение концепции Amazon Rekognition Custom Labels

Одна из самых больших просьб клиентов, использующих Amazon Rekognition, заключалась в том, чтобы идентифицировать на изображениях объекты и сцены, соответствующие их бизнес-потребностям. Это потребность, которую новая функция Rekognition custom label надеется решить !!

Я видел этот короткий, но потрясающий твит от Маттео Фигус в твиттере https://twitter.com/matteofigus/status/1203117882604949504, где он использовал функцию пользовательской метки, чтобы определить правильную пиццу или нет ;-)

Я хотел попробовать то же самое с парой вариантов использования, характерных для Индии - обнаружить индийское блюдо - Идли - https://en.wikipedia.org/wiki/Idli и выяснить, была ли машина из один из знаковых брендов Индии - Maruti Suzuki - https://en.wikipedia.org/wiki/Maruti_Suzuki !!

Процесс довольно прост и остается одинаковым для обоих вариантов использования и хорошо документирован - https://docs.aws.amazon.com/rekognition/latest/customlabels-dg/what-is.html, и я мог бы завершить все упражнение за несколько часов.

Шаг 1. Создайте наборы данных для идли и автомобилей

Мой набор данных был ужасно неадекватным, всего от 20 до 30 изображений, пожалуйста, используйте гораздо больший набор данных в реальном мире (обычно говорится, что несколько сотен изображений или меньше согласно do). Оценка F1 улучшается намного лучше с большим и разнообразным набором данных - https://docs.aws.amazon.com/rekognition/latest/customlabels-dg/tr-improve-model.html.

Я создал два набора данных для Идли и для автомобилей с изображениями, найденными в Интернете. Я создал метки, создал ограничивающие рамки для каждого изображения в наборе данных.

Шаг 2. Создайте проекты и обучите модели

Затем я создал два проекта: один для Idli, а другой - для обнаружения Maruti Suzuki с помощью обучающего набора данных, в документации рекомендуется использовать отдельный набор данных для тестирования или разделить набор данных для обучения и тестирования - https://docs.aws.amazon .com / rekognition / latest / customlabels-dg / tm-train-model.html

Дождитесь завершения обучения, это займет некоторое время в зависимости от набора данных и меток. Пользовательские метки Amazon Rekognition упрощают этот процесс, выбирая для вас подходящий алгоритм.

Вуаля, запускай модель и тестируй !!

Вместо того, чтобы писать приложение для тестирования результатов, у AWS есть простое приложение для тестирования Custom Labels с моделями, обученными Amazon Rekognition - https://github.com/aws-samples/amazon-rekognition-custom-labels-demo

Я развернул это приложение, а затем запустил модели и загрузил ваши изображения, чтобы протестировать их.

Результаты теста на обнаружение идли -

Тестовый пример обнаружения автомобилей Maruti Suzuki -

Функция настраиваемых этикеток Amazon Rekognition великолепна и отлично подходит для случаев использования, позволяющих ТОЧНО ИЗМЕРЯТЬ ОХВАТ БРЕНДА, ОБНАРУЖАТЬ КОНТЕНТ ДЛЯ СИНДИКАЦИИ, ПОВЫШАТЬ ОПЕРАЦИОННУЮ ЭФФЕКТИВНОСТЬ и т. Д. - https://aws.amazon.com/rekognition/custom-labels-features/

Надеюсь, этот блог был полезен, чтобы вы встали с дивана и начали работу ;-)