Creazione di un modello di classificazione delle immagini

Di seguito sono riportate le fasi di sviluppo di un modello di classificazione delle immagini:

1. Determinazione dei requisiti: definisci i requisiti del modello e dell'implementazione, ad esempio il tempo di risposta richiesto, il livello di impegno di costruzione, i requisiti del modello, i requisiti di manutenzione e il budget.

2. Scegli un modello: crea un elenco di opzioni di modello con i vantaggi e i costi associati a ciascun modello. Ogni modello ha un'opzione di implementazione diversa. Seleziona un modello in base all'analisi costi-benefici.

3. Determinazione dell'infrastruttura di implementazione: per il modello selezionato, perfeziona il piano dell'infrastruttura di implementazione (se necessario).

4. Determina il flusso di lavoro di monitoraggio e manutenzione del modello: ciò include aggiornamenti all'architettura del modello, riqualificazione periodica e correzioni attivate dal monitoraggio degli allarmi per rilevare distorsioni e qualità dei dati. La struttura di questo flusso di lavoro dipende dall'applicazione. Ad esempio, un modello di previsione della domanda potrebbe richiedere una riqualificazione e un monitoraggio frequenti per tenere conto della deriva del modello dovuta alle tendenze del mercato o ad altri fattori. Un modello di classificazione che rileva la presenza di persone nei filmati di sicurezza potrebbe dover essere aggiornato solo quando è disponibile un'architettura del modello migliorata.

L'immagine seguente mostra le fasi e le considerazioni da tenere in considerazione quando si sceglie e si implementa un modello di classificazione delle immagini.

Sebbene queste fasi siano ordinate in modo da evidenziare la dipendenza, la maggior parte delle decisioni avviene nella seconda fase, la scelta di un modello. In questa fase, si esegue un'analisi costi-benefici delle opzioni che soddisfano i requisiti definiti nella prima fase. Questo perché ogni opzione di modellazione è associata a diverse possibilità di implementazione e manutenzione.

In questa guida, utilizzerai queste fasi per raccogliere i tuoi requisiti e quindi valutare le opzioni di modellazione. Spiega le opzioni di modellazione disponibili Servizi AWS e come organizzare il successivo sviluppo dell'infrastruttura dopo aver scelto un approccio di modellazione.

I passaggi seguenti descrivono una versione semplificata per determinare un approccio di modellazione, partendo dal presupposto che l'obiettivo sia ridurre al minimo la quantità di codice e la complessità:

1. Verifica se le classi sono già incluse nelle etichette Amazon Rekognition. In tal caso, confronta questo servizio per il tuo caso d'uso. Per ulteriori informazioni, consulta Amazon Rekognition in questa guida.

2. Se il servizio preformato predefinito non soddisfa le tue esigenze, esplora Amazon Rekognition Custom Labels. Per ulteriori informazioni, consulta Amazon Rekognition Custom Labels in questa guida.

3. Se né Amazon Rekognition né Amazon Rekognition Custom Labels funzionano per il tuo caso d'uso, prendi in considerazione la classificazione delle immagini tramite Amazon AI Canvas. SageMaker Per ulteriori informazioni, consulta Amazon SageMaker AI Canvas in questa guida.

4. Se il tuo caso d'uso non è coperto da SageMaker AI Canvas, prendi in considerazione un endpoint SageMaker AI (basato su server o senza server). Per ulteriori informazioni, consulta gli endpoint Amazon SageMaker AI in questa guida.

5. Se nessuno di questi servizi soddisfa il tuo caso d'uso, utilizza una soluzione containerizzata in Amazon Elastic Container Service (AmazonECS) o Amazon Elastic Kubernetes Service (Amazon). EKS Per ulteriori informazioni, consulta la sezione Lavori di formazione personalizzati in questa guida.

In base a determinati requisiti della soluzione, in alcuni casi è possibile saltare questi passaggi molto rapidamente. Ad esempio, se è necessaria una routine di potenziamento complessa oltre a quella che può essere facilmente eseguita creando immagini aggiuntive, è possibile saltare i passaggi 1 e 2.