Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Memahami Label Kustom Rekognition Amazon
Bagian ini memberi Anda ikhtisar alur kerja untuk melatih dan menggunakan model Label Kustom Rekognition Amazon dengan konsol dan SDK. AWS
catatan
Amazon Rekognition Custom Labels sekarang mengelola kumpulan data dalam sebuah proyek. Anda dapat membuat kumpulan data untuk proyek Anda dengan konsol dan dengan SDK AWS . Jika sebelumnya Anda telah menggunakan Label Kustom Amazon Rekognition, kumpulan data lama Anda mungkin perlu dikaitkan dengan proyek baru. Untuk informasi selengkapnya, lihat Langkah 6: (Opsional) Kaitkan kumpulan data sebelumnya dengan proyek baru
Topik
Tentukan jenis model Anda
Pertama-tama Anda memutuskan jenis model mana yang ingin Anda latih, yang tergantung pada tujuan bisnis Anda. Misalnya, Anda dapat melatih model untuk menemukan logo Anda di pos media sosial, mengidentifikasi produk Anda di rak-rak toko, atau mengklasifikasikan suku cadang mesin di jalur perakitan.
Amazon Rekognition Custom Labels dapat melatih jenis model berikut:
Untuk membantu Anda memutuskan jenis model yang akan dilatih, Amazon Rekognition Custom Labels menyediakan contoh proyek yang dapat Anda gunakan. Untuk informasi selengkapnya, lihat Memulai Label Kustom Amazon Rekognition.
Temukan objek, adegan, dan konsep
Model memprediksi klasifikasi untuk objek, adegan, dan konsep yang terkait dengan keseluruhan gambar. Misalnya, Anda dapat melatih model yang menentukan apakah suatu gambar berisi objek wisata, atau tidak. Untuk contoh proyek, lihatKlasifikasi gambar. Gambar danau berikut ini adalah contoh jenis gambar yang dapat Anda kenali objek, pemandangan, dan konsep.
![Danau yang tenang memantulkan awan dan pegunungan saat matahari terbenam atau matahari terbit.](images/pateros.jpg)
Atau, Anda dapat melatih model yang mengkategorikan gambar ke dalam beberapa kategori. Misalnya, gambar sebelumnya mungkin memiliki kategori seperti warna langit, refleksi, atau danau. Untuk contoh proyek, lihatKlasifikasi gambar multi-label.
Temukan lokasi objek
Model memprediksi lokasi objek pada gambar. Prediksi mencakup informasi kotak pembatas untuk lokasi objek dan label yang mengidentifikasi objek di dalam kotak pembatas. Misalnya, gambar berikut menunjukkan kotak pembatas di sekitar berbagai bagian papan sirkuit, seperti komparator atau resistor pot.
![Gambar komponen yang menunjukkan LED IR, resistor pot, dan chip komparator pada papan sirkuit.](images/localization-circuit-board.png)
Proyek Lokalisasi objek contoh menunjukkan bagaimana Amazon Rekognition Custom Labels menggunakan kotak pembatas berlabel untuk melatih model yang menemukan lokasi objek.
Temukan lokasi merek
Amazon Rekognition Custom Labels dapat melatih model yang menemukan lokasi merek, seperti logo, pada gambar. Prediksi tersebut mencakup informasi kotak pembatas untuk lokasi merek dan label yang mengidentifikasi objek di dalam kotak pembatas. Untuk contoh proyek, lihatDeteksi merek. Gambar berikut adalah contoh dari beberapa merek yang dapat dideteksi oleh model.
![Diagram yang menunjukkan layanan Lambda memasukkan aktivitas pengguna ke Amazon Pinpoint untuk rekomendasi.](images/brand-detection-lambda.png)
Buat model
Langkah-langkah untuk membuat model adalah membuat proyek, membuat kumpulan data pelatihan dan pengujian, dan melatih model.
Membuat proyek
Proyek Amazon Rekognition Custom Labels adalah sekelompok sumber daya yang diperlukan untuk membuat dan mengelola model. Sebuah proyek mengelola hal-hal berikut:
Datasets — Gambar dan label gambar yang digunakan untuk melatih model. Sebuah proyek memiliki dataset pelatihan dan dataset pengujian.
Model — Perangkat lunak yang Anda latih untuk menemukan konsep, adegan, dan objek yang unik untuk bisnis Anda. Anda dapat memiliki beberapa versi model dalam sebuah proyek.
Kami menyarankan Anda menggunakan proyek untuk kasus penggunaan tunggal, seperti menemukan bagian papan sirkuit pada papan sirkuit.
Anda dapat membuat proyek dengan konsol Amazon Rekognition Custom Labels dan dengan API. CreateProject Untuk informasi selengkapnya, lihat Membuat proyek.
Buat kumpulan data pelatihan dan uji
Dataset adalah sekumpulan gambar dan label yang menggambarkan gambar-gambar tersebut. Dalam proyek Anda, Anda membuat kumpulan data pelatihan dan kumpulan data pengujian yang digunakan Label Kustom Amazon Rekognition untuk melatih dan menguji model Anda.
Label mengidentifikasi objek, adegan, konsep, atau kotak pembatas di sekitar objek dalam gambar. Label ditetapkan ke seluruh gambar (tingkat gambar) atau mereka ditetapkan ke kotak pembatas yang mengelilingi objek pada gambar.
penting
Cara Anda memberi label pada gambar dalam kumpulan data menentukan jenis model yang dibuat Label Kustom Rekognition Amazon. Misalnya, untuk melatih model yang menemukan objek, adegan, dan konsep, Anda menetapkan label tingkat gambar ke gambar dalam kumpulan data pelatihan dan pengujian Anda. Untuk informasi selengkapnya, lihat Mengarahkan kumpulan data.
Gambar harus dalam format PNG dan JPEG, dan Anda harus mengikuti rekomendasi gambar input. Untuk informasi selengkapnya, lihat Mempersiapkan gambar.
Buat kumpulan data pelatihan dan uji (Konsol)
Anda dapat memulai proyek dengan satu kumpulan data, atau dengan kumpulan data pelatihan dan pengujian terpisah. Jika Anda memulai dengan satu kumpulan data, Amazon Rekognition Custom Labels membagi kumpulan data Anda selama pelatihan untuk membuat kumpulan data pelatihan (80%) dan kumpulan data pengujian (20%) untuk proyek Anda. Mulailah dengan satu kumpulan data jika Anda ingin Label Kustom Rekognition Amazon memutuskan gambar mana yang digunakan untuk pelatihan dan pengujian. Untuk kontrol penuh atas pelatihan, pengujian, dan penyetelan kinerja, kami menyarankan Anda memulai proyek Anda dengan kumpulan data pelatihan dan pengujian terpisah.
Untuk membuat kumpulan data untuk proyek, Anda mengimpor gambar dengan salah satu cara berikut:
Impor gambar dari komputer lokal Anda.
Impor gambar dari ember S3. Amazon Rekognition Custom Labels dapat memberi label gambar menggunakan nama folder yang berisi gambar.
Impor file manifes Amazon SageMaker Ground Truth.
Salin kumpulan data Label Kustom Rekognition Amazon yang ada.
Untuk informasi selengkapnya, lihat Membuat kumpulan data pelatihan dan uji dengan gambar.
Tergantung dari mana Anda mengimpor gambar, gambar Anda mungkin tidak berlabel. Misalnya, gambar yang diimpor dari komputer lokal tidak diberi label. Gambar yang diimpor dari file manifes Amazon SageMaker Ground Truth diberi label. Anda dapat menggunakan konsol Amazon Rekognition Custom Labels untuk menambahkan, mengubah, dan menetapkan label. Untuk informasi selengkapnya, lihat Pelabelan gambar.
Untuk membuat kumpulan data pelatihan dan pengujian Anda dengan konsol, lihat. Membuat kumpulan data pelatihan dan uji dengan gambar Untuk tutorial yang mencakup pembuatan kumpulan data pelatihan dan pengujian, lihat. Mengklasifikasikan gambar
Buat kumpulan data pelatihan dan pengujian (SDK)
Untuk membuat kumpulan data pelatihan dan pengujian, Anda menggunakan API. CreateDataset
Anda dapat membuat kumpulan data dengan menggunakan file manifes format Amazon Sagemaker atau dengan menyalin kumpulan data Label Kustom Rekognition Amazon yang ada. Untuk informasi selengkapnya, lihat Buat kumpulan data pelatihan dan uji () SDK Jika perlu, Anda dapat membuat file manifes Anda sendiri. Untuk informasi selengkapnya, lihat Membuat file manifes.
Latih model Anda
Latih model Anda dengan dataset pelatihan. Versi baru dari sebuah model dibuat setiap kali dilatih. Selama pelatihan, Amazon Rekognition Custom Labels menguji kinerja model terlatih Anda. Anda dapat menggunakan hasilnya untuk mengevaluasi dan meningkatkan model Anda. Membutuhkan waktu beberapa saat untuk menyelesaikan pelatihan. Anda hanya dikenakan biaya untuk pelatihan model yang sukses. Untuk informasi selengkapnya, lihat Melatih model Label Kustom Rekognition Amazon. Jika pelatihan model gagal, Amazon Rekognition Custom Labels menyediakan informasi debugging yang dapat Anda gunakan. Untuk informasi selengkapnya, lihat Mendebug pelatihan model yang gagal.
Latih model Anda (Konsol)
Untuk melatih model Anda dengan konsol, lihatMelatih model (Konsol).
Melatih model (SDK)
Anda melatih model Amazon Rekognition Custom Labels dengan memanggil Version. CreateProject Untuk informasi selengkapnya, lihat Melatih model (SDK).
Tingkatkan model Anda
Selama pengujian, Amazon Rekognition Custom Labels membuat metrik evaluasi yang dapat Anda gunakan untuk meningkatkan model terlatih Anda.
Evaluasi model Anda
Evaluasi kinerja model Anda dengan menggunakan metrik kinerja yang dibuat selama pengujian. Metrik kinerja, seperti F1, presisi, dan penarikan, memungkinkan Anda memahami kinerja model terlatih Anda, dan memutuskan apakah Anda siap menggunakannya dalam produksi. Untuk informasi selengkapnya, lihat Metrik untuk mengevaluasi model Anda.
Evaluasi model (konsol)
Untuk melihat metrik kinerja, lihatMengakses metrik evaluasi (Konsol).
Mengevaluasi model (SDK)
Untuk mendapatkan metrik kinerja, Anda memanggil DescribeProjectVersions untuk mendapatkan hasil pengujian. Untuk informasi selengkapnya, lihat Mengakses metrik evaluasi Label Kustom Rekognition Amazon () SDK. Hasil pengujian mencakup metrik yang tidak tersedia di konsol, seperti matriks kebingungan untuk hasil klasifikasi. Hasil pengujian dikembalikan dalam format berikut:
Skor F1 — Nilai tunggal yang mewakili kinerja keseluruhan presisi dan penarikan untuk model. Untuk informasi selengkapnya, lihat F1.
Lokasi file ringkasan — Ringkasan pengujian mencakup metrik evaluasi agregat untuk seluruh kumpulan data pengujian dan metrik untuk setiap label individual.
DescribeProjectVersions
mengembalikan bucket S3 dan lokasi folder dari file ringkasan. Untuk informasi selengkapnya, lihat Mengakses file ringkasan model.Lokasi snapshot manifes evaluasi — Snapshot berisi rincian tentang hasil tes, termasuk peringkat kepercayaan dan hasil tes klasifikasi biner, seperti positif palsu.
DescribeProjectVersions
mengembalikan bucket S3 dan lokasi folder dari file snapshot. Untuk informasi selengkapnya, lihat Menafsirkan snapshot manifes evaluasi.
Tingkatkan model Anda
Jika perbaikan diperlukan, Anda dapat menambahkan lebih banyak gambar pelatihan atau meningkatkan pelabelan kumpulan data. Untuk informasi selengkapnya, lihat Meningkatkan model Label Kustom Rekognition Amazon. Anda juga dapat memberikan umpan balik tentang prediksi yang dibuat model Anda dan menggunakannya untuk melakukan perbaikan pada model Anda. Untuk informasi selengkapnya, lihat Meningkatkan model dengan umpan balik Model.
Tingkatkan model Anda (konsol)
Untuk menambahkan gambar ke kumpulan data, lihatMenambahkan lebih banyak gambar ke dataset. Untuk menambah atau mengubah label, lihatPelabelan gambar.
Untuk melatih kembali model Anda, lihatMelatih model (Konsol).
Tingkatkan model Anda (SDK)
Untuk menambahkan gambar ke kumpulan data atau mengubah label untuk gambar, gunakan API. UpdateDatasetEntries
UpdateDatasetEntries
memperbarui atau menambahkan baris JSON ke file manifes. Setiap baris JSON berisi informasi untuk satu gambar, seperti label yang ditetapkan atau informasi kotak pembatas. Untuk informasi selengkapnya, lihat Menambahkan lebih banyak gambar (SDK). Untuk melihat entri dalam kumpulan data, gunakan API. ListDatasetEntries
Untuk melatih kembali model Anda, lihatMelatih model (SDK).
Mulai model Anda
Sebelum dapat menggunakan model, Anda memulai model dengan menggunakan konsol Amazon Rekognition Custom Labels atau API. StartProjectVersion
Anda dikenakan biaya untuk jumlah waktu yang dijalankan model Anda. Untuk informasi selengkapnya, lihat Menjalankan model Label Kustom Rekognition Amazon yang terlatih.
Mulai model Anda (konsol)
Untuk memulai model Anda menggunakan konsol, lihatMemulai model Label Kustom Rekognition Amazon (Konsol).
Mulai model Anda
Anda memulai model Anda memanggil StartProjectVersi. Untuk informasi selengkapnya, lihat Memulai model Label Kustom Rekognition Amazon (SDK).
Menganalisis gambar
Untuk menganalisis gambar dengan model Anda, Anda menggunakan DetectCustomLabels
API. Anda dapat menentukan gambar lokal, atau gambar yang disimpan dalam ember S3. Operasi ini juga memerlukan Nama Sumber Daya Amazon (ARN) dari model yang ingin Anda gunakan.
Jika model Anda menemukan objek, adegan, dan konsep, responsnya menyertakan daftar label tingkat gambar yang ditemukan dalam gambar. Misalnya, gambar berikut menunjukkan label tingkat gambar yang ditemukan menggunakan proyek contoh Kamar.
![Ruang tamu dengan perapian, sofa cokelat, kursi berlengan, meja kopi, dan karya seni indah di dinding. Pintu mengarah ke teras luar ruangan.](images/rooms.jpg)
Jika model menemukan lokasi objek, responsnya mencakup daftar kotak pembatas berlabel yang ditemukan pada gambar. Kotak pembatas mewakili lokasi objek pada gambar. Anda dapat menggunakan informasi kotak pembatas untuk menggambar kotak pembatas di sekitar objek. Misalnya, gambar berikut menunjukkan kotak pembatas di sekitar bagian papan sirkuit yang ditemukan menggunakan proyek contoh papan Sirkuit.
![Papan sirkuit dengan LED IR, fototransistor, dan potensiometer untuk penyesuaian.](images/circuitboardparts.jpg)
Untuk informasi selengkapnya, lihat Menganalisis gambar dengan model terlatih.
Hentikan model Anda
Anda dikenakan biaya untuk waktu model Anda berjalan. Jika Anda tidak lagi menggunakan model, hentikan model dengan menggunakan konsol Amazon Rekognition Custom Labels, atau dengan menggunakan API. StopProjectVersion
Untuk informasi selengkapnya, lihat Menghentikan model Label Kustom Rekognition Amazon.
Hentikan model Anda (Konsol)
Untuk menghentikan model yang sedang berjalan dengan konsol, lihatMenghentikan model Label Kustom Rekognition Amazon (Konsol).
Hentikan model Anda (SDK)
Untuk menghentikan model yang sedang berjalan, panggil StopProjectVersion. Untuk informasi selengkapnya, lihat Menghentikan model Label Kustom Rekognition Amazon (SDK).