Présentation de la fonctionnalité Étiquettes personnalisées Amazon Rekognition

Cette section présente un aperçu du flux de travail permettant de former et d'utiliser un modèle d'étiquettes personnalisées Amazon Rekognition avec la console et le SDK. AWS

Note

Étiquettes personnalisées Amazon Rekognition gère désormais l’association de jeux de données à un projet. Vous pouvez créer des ensembles de données pour vos projets à l'aide de la console et du AWS SDK. Si vous avez déjà utilisé Étiquettes personnalisées Amazon Rekognition, vos anciens jeux de données devront peut-être être associés à un nouveau projet. Pour plus d’informations, consultez Étape 6 (Facultatif) : Associer des jeux de données précédents à de nouveaux projets.

Choix de votre type de modèle

Vous décidez d’abord du type de modèle que vous souhaitez entraîner en fonction des objectifs de votre entreprise. Par exemple, vous pouvez entraîner un modèle à rechercher votre logo dans des publications des réseaux sociaux, à identifier vos produits dans des rayons de magasins ou à classer les pièces d’une machine sur une chaîne de montage.

Étiquettes personnalisées Amazon Rekognition peut entraîner les types de modèles suivants :

• Recherche d’objets, de scènes et de concepts

• Recherche des emplacements d’objets

• Recherche de l’emplacement de marques

Pour vous aider à choisir le type de modèle à entraîner, Étiquettes personnalisées Amazon Rekognition fournit des exemples de projet que vous pouvez utiliser. Pour plus d’informations, consultez Mise en route sur Étiquettes personnalisées Amazon Rekognition.

Recherche d’objets, de scènes et de concepts

Le modèle prédit des classifications pour les objets, les scènes et les concepts associés à une image entière. Par exemple, vous pouvez entraîner un modèle à déterminer si une image contient une attraction touristique ou non. Pour un exemple de projet, consultez Classification d’images. L'image suivante d'un lac est un exemple du type d'image dans laquelle vous pouvez reconnaître des objets, des scènes et des concepts.

Vous pouvez également entraîner un modèle à classer les images en plusieurs catégories. Par exemple, l’image précédente peut comporter des catégories telles que couleur du ciel, reflet ou lac. Pour un exemple de projet, consultez Classification des images à plusieurs étiquettes.

Recherche des emplacements d’objets

Le modèle prédit l’emplacement d’un objet sur une image. La prédiction comprend des informations sur le cadre de délimitation de l’emplacement d’objet et une étiquette qui identifie l’objet dans le cadre de délimitation. Par exemple, l’image suivante montre des cadres de délimitation autour de différents composant d’un circuit imprimé, comme comparateur ou potentiomètre à résistance.

L’exemple de projet Localisation d’objets montre comment Étiquettes personnalisées Amazon Rekognition utilise des cadres de délimitation étiquetés pour entraîner un modèle à rechercher les emplacements d’objets.

Recherche de l’emplacement de marques

Étiquettes personnalisées Amazon Rekognition peut entraîner un modèle à rechercher l’emplacement de marques (logos, par exemple) sur une image. La prédiction comprend des informations sur le cadre de délimitation de l’emplacement de la marque et une étiquette qui identifie l’objet dans le cadre de délimitation. Pour un exemple de projet, consultez Détection des marques. L'image suivante est un exemple de certaines marques que le modèle peut détecter.

Création d’un modèle

La création d’un modèle inclut la création d’un projet, la création de jeux de données d’entraînement et de test, et l’entraînement du modèle.

Création d’un projet

Un projet Étiquettes personnalisées Amazon Rekognition regroupe les ressources nécessaires à la création et à la gestion d’un modèle. Un projet gère les éléments suivants :

• Jeux de données : images et étiquettes d’images utilisées pour entraîner un modèle. Un projet comprend un jeu de données d’entraînement et un jeu de données de test.

• Modèles : logiciel que vous entraînez à rechercher des concepts, des scènes et des objets propres à votre entreprise. Un projet peut comprendre plusieurs versions d’un modèle.

Nous vous recommandons d’utiliser un projet pour un seul cas d’utilisation (recherche de composants sur un circuit imprimé, par exemple).

Vous pouvez créer un projet à l'aide de la console Amazon Rekognition Custom Labels et de l'API. CreateProject Pour plus d’informations, consultez Création d’un projet.

Création de jeux de données d’entraînement et de test

Un jeu de données est un ensemble d’images et d’étiquettes qui décrivent ces images. Dans votre projet, vous créez un jeu de données d’entraînement et un jeu de données de test qu’Étiquettes personnalisées Amazon Rekognition utilise pour entraîner et tester votre modèle.

Une étiquette identifie un objet, une scène, un concept ou un cadre de délimitation autour d’un objet dans une image. Les étiquettes sont soit attribuées à une image entière (au niveau de l’image), soit à un cadre de délimitation qui entoure un objet sur une image.

Important

La façon dont vous étiquetez les images des jeux de données détermine le type de modèle créé par Étiquettes personnalisées Amazon Rekognition. Par exemple, pour entraîner un modèle à rechercher des objets, des scènes et des concepts, vous attribuez des étiquettes de niveau image aux images de vos jeux de données d’entraînement et de test. Pour plus d’informations, consultez Utilisation des jeux de données.

Les images doivent être au format PNG et JPEG, et vous devez suivre les recommandations relatives aux images d’entrée. Pour plus d’informations, consultez Préparation des images.

Création de jeux de données d’entraînement et de test (console)

Vous pouvez démarrer un projet avec un seul jeu de données, ou avec des jeux de données d’entraînement et de test distincts. Si vous commencez avec un seul jeu de données, Étiquettes personnalisées Amazon Rekognition fractionne le jeu de données pendant l’entraînement afin de créer un jeu de données d’entraînement (80 %) et un jeu de données de test (20 %) pour votre projet. Commencez par un seul jeu de données si vous souhaitez qu’Étiquettes personnalisées Amazon Rekognition détermine les images qui sont utilisées pour l’entraînement et le test. Pour un contrôle complet de l’entraînement, du test et du réglage des performances, nous vous recommandons de démarrer votre projet avec des jeux de données d’entraînement et de test distincts.

Pour créer les jeux de données d’un projet, vous devez importer les images de l’une des manières suivantes :

• Importer des images de votre ordinateur local.

• Importer des images d’un compartiment S3. Étiquettes personnalisées Amazon Rekognition peut étiqueter les images en utilisant les noms des dossiers qui les contiennent.

• Importez un fichier manifeste Amazon SageMaker Ground Truth.

• Copier un jeu de données Étiquettes personnalisées Amazon Rekognition existant.

Pour plus d’informations, consultez Création de jeux de données d’entraînement et de test avec des images.

Selon leur provenance, vos images peuvent ne pas être étiquetées. Par exemple, les images importées à partir d’un ordinateur local ne sont pas étiquetées. Les images importées depuis un fichier manifeste Amazon SageMaker Ground Truth sont étiquetées. Vous pouvez utiliser la console Étiquettes personnalisées Amazon Rekognition pour ajouter, modifier et attribuer des étiquettes. Pour plus d’informations, consultez Étiquetage des images.

Pour créer vos jeux de données d’entraînement et de test avec la console, consultez Création de jeux de données d’entraînement et de test avec des images. Pour accéder à un tutoriel sur la création de jeux de données d’entraînement et de test, consultez Classification des images.

Création de jeux de données d’entraînement et de test (kit SDK)

Pour créer vos jeux de données d’entraînement et de test, vous utilisez l’API CreateDataset. Vous pouvez créer un jeu de données en utilisant un fichier manifeste au format Amazon SageMaker ou en copiant un jeu de données Étiquettes personnalisées Amazon Rekognition existant. Pour plus d’informations, consultez Créer des ensembles de données de formation et de test () SDK . Si nécessaire, vous pouvez créer votre propre fichier manifeste. Pour plus d’informations, consultez Création d’un fichier manifeste.

Entraînement de votre modèle

Entraînez votre modèle avec le jeu de données d’entraînement. Une nouvelle version du modèle est créée chaque fois que celui-ci est entraîné. Pendant l’entraînement, Étiquettes personnalisées Amazon Rekognition teste les performances de votre modèle. Vous pouvez utiliser les résultats pour évaluer et améliorer votre modèle. L’entraînement prend un certain temps. Seuls les entraînements de modèles réussis vous sont facturés. Pour plus d’informations, consultez Entraînement d’un modèle Étiquettes personnalisées Amazon Rekognition. Si l’entraînement du modèle échoue, Étiquettes personnalisées Amazon Rekognition fournit des informations de débogage que vous pouvez utiliser. Pour plus d’informations, consultez Débogage d’un entraînement de modèle en échec.

Entraînement de votre modèle (console)

Pour entraîner votre modèle avec la console, consultez Entraînement d’un modèle (console).

Entraînement d’un modèle (kit SDK)

Vous entraînez un modèle d'étiquettes personnalisées Amazon Rekognition en appelant Version. CreateProject Pour plus d’informations, consultez Entraînement d’un modèle (kit SDK).

Amélioration de votre modèle

Au cours du test, Étiquettes personnalisées Amazon Rekognition crée des métriques d’évaluation que vous pouvez utiliser pour améliorer votre modèle entraîné.

Évaluation de votre modèle

Évaluez les performances de votre modèle à l’aide des indicateurs de performance créés lors du test. Les indicateurs de performance (score F1, précision, rappel, etc.) vous permettent de comprendre les performances de votre modèle entraîné et de déterminer si vous pouvez l’utiliser en production. Pour plus d’informations, consultez Métriques d’évaluation du modèle.

Évaluation d’un modèle (console)

Pour visualiser les indicateurs de performance, consultez Accès aux métriques d’évaluation (console).

Évaluation d’un modèle (kit SDK)

Pour obtenir des mesures de performance, vous appelez DescribeProjectVersions pour obtenir les résultats des tests. Pour plus d’informations, consultez Accès aux métriques d'évaluation d'Amazon Rekognition Custom Labels () SDK. Les résultats des tests incluent des métriques qui ne sont disponibles dans la console (matrice de confusion pour les résultats de classification, par exemple). Les résultats des tests sont renvoyés dans les formats suivants :

• Score F1 : valeur unique représentant les performances globales de précision et de rappel du modèle. Pour plus d’informations, consultez F1.

• Emplacement du fichier de synthèse : le résumé des tests inclut toutes les métriques d’évaluation du jeu de données de test et les métriques de chaque étiquette. DescribeProjectVersions renvoie le compartiment S3 et l’emplacement du dossier du fichier de synthèse. Pour plus d’informations, consultez Accès au fichier récapitulatif du modèle.

• Emplacement de l’instantané du manifeste d’évaluation : l’instantané contient des informations sur les résultats des tests, notamment les indices de confiance et les résultats des tests de classification binaire, tels que les faux positifs. DescribeProjectVersions renvoie le compartiment S3 et l’emplacement du dossier des fichiers instantanés. Pour plus d’informations, consultez Interprétation de l'instantané du manifeste d'évaluation.

Amélioration de votre modèle

Si des améliorations sont nécessaires, vous pouvez ajouter d’autres images d’entraînement ou améliorer l’étiquetage des jeux de données. Pour plus d’informations, consultez Amélioration d’un modèle Étiquettes personnalisées Amazon Rekognition. Vous pouvez également donner votre avis sur les prédictions de votre modèle et l’utiliser pour améliorer votre modèle. Pour plus d’informations, consultez Améliorer un modèle grâce aux commentaires sur le modèle.

Amélioration de votre modèle (console)

Pour ajouter des images à un jeu de données, consultez Ajouter d'autres images à un jeu de données. Pour ajouter ou modifier des étiquettes, consultez Étiquetage des images.

Pour réentraîner votre modèle, consultez Entraînement d’un modèle (console).

Amélioration de votre modèle (kit SDK)

Pour ajouter des images à un jeu de données ou modifier l’étiquetage d’une image, utilisez l’API UpdateDatasetEntries. UpdateDatasetEntries met à jour le fichier manifeste ou y ou ajoute des lignes JSON. Chaque ligne JSON contient des informations sur une seule image (étiquettes attribuées, informations sur les cadres de délimitation, par exemple). Pour plus d’informations, consultez Ajouter d'autres images (SDK). Pour afficher les entrées d’un jeu de données, utilisez l’API ListDatasetEntries.

Pour réentraîner votre modèle, consultez Entraînement d’un modèle (kit SDK).

Démarrage de votre modèle

Avant de pouvoir utiliser votre modèle, vous devez le démarrer à l’aide de la console Étiquettes personnalisées Amazon Rekognition ou de l’API StartProjectVersion. La durée de fonctionnement de votre modèle vous est facturée. Pour plus d’informations, consultez Exécution d’un modèle Étiquettes personnalisées Amazon Rekognition entraîné.

Démarrage de votre modèle (console)

Pour démarrer votre modèle à l’aide de la console, consultez Démarrage d’un modèle Étiquettes personnalisées Amazon Rekognition (Console).

Démarrage de votre modèle

Vous commencez votre modèle en appelant StartProjectVersion. Pour plus d’informations, consultez Démarrage d’un modèle Étiquettes personnalisées Amazon Rekognition (kit SDK).

Analyse d’une image

Pour analyser une image avec votre modèle, vous utilisez l’API DetectCustomLabels. Vous pouvez spécifier une image locale ou une image stockée dans un compartiment S3. L’opération nécessite également l’Amazon Resource Name (ARN) du modèle que vous souhaitez utiliser.

Si votre modèle détecte des objets, des scènes et des concepts, la réponse inclut la liste des étiquettes au niveau de l’image présentes dans l’image. Par exemple, l’image suivante affiche les étiquettes au niveau de l’image détectées à l’aide d’un exemple de projet Pièces.

Si le modèle détecte des emplacements d’objets, la réponse inclut la liste des cadres de délimitation étiquetés trouvés dans l’image. Un cadre de délimitation représente l’emplacement d’un objet sur une image. Vous pouvez utiliser les informations du cadre de délimitation pour en dessiner un autour d’un objet. Par exemple, l’image suivante montre des cadres de délimitation autour des composants détectés à l’aide de l’exemple de projet Circuits imprimés.

Pour plus d’informations, consultez Analyse d’une image avec un modèle entraîné.

Arrêt de votre modèle

La durée de fonctionnement de votre modèle vous est facturée. Si vous n’utilisez plus votre modèle, arrêtez-le à l’aide de la console Étiquettes personnalisées Amazon Rekognition ou de l’API StopProjectVersion. Pour plus d’informations, consultez Arrêt d’un modèle Étiquettes personnalisées Amazon Rekognition.

Arrêt de votre modèle (console)

Pour arrêter un modèle en cours d’exécution à l’aide de la console, consultez Arrêt d’un modèle Étiquettes personnalisées Amazon Rekognition (console).

Arrêt de votre modèle (kit SDK)

Pour arrêter un modèle en cours d'exécution, appelez StopProjectVersion. Pour plus d'informations, voir Arrêt d’un modèle Étiquettes personnalisées Amazon Rekognition (kit SDK).