Aufbau eines Bildklassifizierungsmodells - AWS Präskriptive Leitlinien

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Aufbau eines Bildklassifizierungsmodells

Im Folgenden sind die Phasen der Entwicklung eines Bildklassifizierungsmodells aufgeführt:

  1. Ermitteln Sie Ihre Anforderungen — Ermitteln Sie Ihre Modell- und Bereitstellungsanforderungen, z. B. die erforderliche Reaktionszeit, den Entwicklungsaufwand, die Modellanforderungen, die Wartungsanforderungen und das Budget.

  2. Wählen Sie ein Modell — Erstellen Sie eine Liste von Modelloptionen mit den damit verbundenen Vorteilen und Kosten für jedes Modell. Jedes Modell hat eine andere Bereitstellungsoption. Wählen Sie auf der Grundlage der Kosten-Nutzen-Analyse ein Modell aus.

  3. Ermitteln Sie die Bereitstellungsinfrastruktur — Verfeinern Sie für das ausgewählte Modell den Bereitstellungsinfrastrukturplan (falls erforderlich).

  4. Festlegung des Workflows für die Modellüberwachung und -wartung — Dazu gehören Aktualisierungen der Modellarchitektur, regelmäßige Schulungen und Korrekturen, die durch die Überwachung von Alarmen im Hinblick auf Verzerrungen und Datenqualität ausgelöst werden. Die Struktur dieses Workflows ist anwendungsabhängig. Bei einem Modell mit Bedarfsprognosen kann es beispielsweise erforderlich sein, häufig neu geschult und überwacht zu werden, um Modellabweichungen aufgrund von Markttrends oder anderen Faktoren zu berücksichtigen. Ein Klassifizierungsmodell, das Personen in Sicherheitsaufnahmen erkennt, muss möglicherweise nur aktualisiert werden, wenn eine verbesserte Modellarchitektur verfügbar ist.

Die folgende Abbildung zeigt die Phasen und Überlegungen, die Sie bei der Auswahl und Bereitstellung eines Bildklassifizierungsmodells berücksichtigen müssen.

Phasen der Auswahl und Bereitstellung eines Bildklassifizierungsmodells

Diese Phasen sind zwar so angeordnet, dass sie eine Abhängigkeit zeigen, der Großteil der Entscheidungen fällt jedoch in der zweiten Phase, der Auswahl eines Modells. In dieser Phase führen Sie eine Kosten-Nutzen-Analyse der Optionen durch, die die in der ersten Phase definierten Anforderungen erfüllen. Dies liegt daran, dass jede Modellierungsoption mit unterschiedlichen Bereitstellungs- und Wartungsmöglichkeiten verbunden ist.

In diesem Handbuch erfassen Sie anhand dieser Phasen Ihre Anforderungen und bewerten anschließend die Modellierungsoptionen. Es erklärt, welche Modellierungsoptionen verfügbar sind AWS-Services und wie Sie die nachfolgende Infrastrukturentwicklung organisieren können, nachdem Sie sich für einen Modellierungsansatz entschieden haben.

In den folgenden Schritten wird eine vereinfachte Version für die Festlegung eines Modellierungsansatzes beschrieben, wobei davon ausgegangen wird, dass Ihr Ziel darin besteht, den Codeaufwand und die Komplexität zu minimieren:

  1. Prüfen Sie, ob Klassen bereits in den Amazon Rekognition Rekognition-Labels enthalten sind. Wenn ja, vergleichen Sie diesen Service für Ihren Anwendungsfall. Weitere Informationen finden Sie unter Amazon Rekognition in diesem Handbuch.

  2. Wenn der vortrainierte Standardservice nicht Ihren Anforderungen entspricht, schauen Sie sich Amazon Rekognition Custom Labels an. Weitere Informationen finden Sie unter Amazon Rekognition Custom Labels in diesem Handbuch.

  3. Wenn weder Amazon Rekognition noch Amazon Rekognition Custom Labels für Ihren Anwendungsfall geeignet sind, sollten Sie die Bildklassifizierung über Amazon AI Canvas in Betracht ziehen. SageMaker Weitere Informationen finden Sie unter Amazon SageMaker AI Canvas in diesem Handbuch.

  4. Wenn Ihr Anwendungsfall nicht von SageMaker AI Canvas abgedeckt wird, sollten Sie einen SageMaker KI-Endpunkt (entweder serverbasiert oder serverlos) in Betracht ziehen. Weitere Informationen finden Sie unter Amazon SageMaker AI-Endpunkte in diesem Handbuch.

  5. Wenn keiner dieser Services Ihren Anwendungsfall abdeckt, verwenden Sie eine containerisierte Lösung in Amazon Elastic Container Service (AmazonECS) oder Amazon Elastic Kubernetes Service (Amazon). EKS Weitere Informationen finden Sie unter Benutzerdefinierte Schulungsjobs in diesem Leitfaden.

Angesichts bestimmter Anforderungen an Ihre Lösung ist es in einigen Fällen möglich, diese Schritte sehr schnell zu überspringen. Wenn beispielsweise eine aufwändige Augmentationsroutine erforderlich ist, die über die einfache Erstellung zusätzlicher Bilder hinausgeht, können Sie die Schritte 1 und 2 überspringen.