Amazon Rekognition カスタムラベルの開始方法 - Rekognition

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Amazon Rekognition カスタムラベルの開始方法

Amazon Rekognition カスタムラベルを使用して機械学習モデルをトレーニングします。トレーニングされたモデルは画像を分析して、ビジネスニーズに固有のオブジェクト、シーン、コンセプトを見つけます。たとえば、家の画像を分類するようにモデルをトレーニングしたり、プリント回路基板上の電子部品の位置を見つけたりすることができます。

Amazon Rekognition カスタムラベルには、使い始めるのに役立つチュートリアルビデオとサンプルプロジェクトが含まれています。

チュートリアルビデオ

動画では、Amazon Rekognition カスタムラベルを使用してモデルのトレーニングと使用方法を紹介しています。

チュートリアルビデオを見るには

  1. にサインインします。AWS Management ConsoleAmazon Rekognition コンソールをhttps://console.aws.amazon.com/rekognition/

  2. 左のペインで [] を選択しますカスタムラベルを使用する。Amazon Rekognition カスタムラベルのランディングページが表示されます。表示されない場合カスタムラベルを使用する、確認してくださいAWSリージョンご使用のAmazon Rekognition カスタムラベルをサポートしています。

  3. ナビゲーションペインで [] を選択します使用開始

  4. In (イン)Amazon Rekognition カスタムラベルとはで、ビデオを選択して概要ビデオをご覧ください。

  5. ナビゲーションペインで [] を選択しますチュートリアル

  6. 上にチュートリアルページで、見たいチュートリアルビデオを選択します。

プロジェクトの例

Amazon Rekognition カスタムラベルには、次のプロジェクトの例が用意されています。

イメージ分類

画像分類プロジェクト (部屋) は、画像内の 1 つ以上の世帯の所在地を検出するモデルをトレーニングします。次に例を示します。裏庭,キッチン、およびパティオ。トレーニングイメージとテストイメージは 1 つの場所を表します。各画像には、以下のような 1 つの画像レベルのラベルが付けられます。キッチン,パティオ、またはliving_space。解析された画像の場合、トレーニング済みモデルは、トレーニングに使用されたイメージレベルのラベルのセットから 1 つまたは複数の一致するラベルを返します。たとえば、モデルがラベルを見つけるかもしれませんliving_space次のイメージで。詳細については、「オブジェクト、シーン、コンセプトを探す」を参照してください。

マルチラベル画像分類

マルチラベル画像分類プロジェクト(花)は、花の画像を3つの概念(花の種類、葉の有無、成長段階)に分類するモデルを訓練します。

トレーニングイメージとテストイメージには、コンセプトごとに次のようなイメージレベルのラベルが付いています。カメリアフラワータイプの場合は、with_leaves葉のある花の場合、fully_grown完全に生えた花のために。

解析された画像の場合、トレーニングされたモデルは、トレーニングに使用されたイメージレベルのラベルのセットから一致するラベルを返します。たとえば、モデルはラベルを返しますiterranean_spurgeそしてwith_leaves次のイメージについて。詳細については、「オブジェクト、シーン、コンセプトを探す」を参照してください。

ブランド検知

ブランド検出プロジェクト(Logos)は、モデルが特定の場所を見つけるモデルをトレーニングしますAWS次のようなロゴAmazon Textract、およびAWS Lambda。トレーニングイメージはロゴのみで、次のようなイメージレベルラベルが 1 つ付いています。lambdaまたは抽出。ブランドロケーションの境界ボックスを含むトレーニング画像を使用して、ブランド検出モデルをトレーニングすることもできます。テスト画像には、建築図などの自然な場所にあるロゴの位置を表すラベル付きのバウンディングボックスがあります。トレーニングを受けたモデルがロゴを検索し、見つかったロゴごとにラベル付きのバウンディングボックスを返します。詳細については、「ブランドロケーションを探す」を参照してください。

オブジェクトのローカライズ

オブジェクトローカリゼーションプロジェクト(Circuit board)は、プリント回路基板上の部品の位置を見つけるモデルをトレーニングします。コンパレータまたは赤外線発光ダイオード。トレーニングとテストの画像には、回路基板の部品を囲む境界ボックスと、境界ボックス内の部品を識別するラベルが含まれています。ラベル名はir_phototransistor,ir_led,pot_resistor、およびコンパレータ。トレーニング済みモデルは回路基板部品を検出し、見つかった回路部品ごとにラベル付きの境界を返します。詳細については、「オブジェクトの位置を検索」を参照してください。

サンプルプロジェクトを使用する

これらの入門ガイドでは、Amazon Rekognition Custom Labels が作成するサンプルプロジェクトを使用してモデルをトレーニングする方法を示しています。また、モデルを起動して画像を解析する方法についても説明します。

サンプルプロジェクトの作成

はじめに、どのプロジェクトを使用するかを決めてください。詳細については、「ステップ 1: サンプルプロジェクトを選択してください」を参照してください。

Amazon Rekognition カスタムラベルは、データセットを使用してモデルのトレーニングと評価 (テスト) を行います。データセットは、画像と画像のコンテンツを識別するラベルを管理します。サンプルプロジェクトには、すべての画像にラベルが付けられたトレーニングデータセットとテストデータセットが含まれています。モデルをトレーニングする前に変更を加える必要はありません。サンプルプロジェクトは、Amazon Rekognition Custom Labels がラベルを使用してさまざまなタイプのモデルをトレーニングする 2 つの方法を示しています。

  • イメージレベル— ラベルは、画像全体を表すオブジェクト、シーン、またはコンセプトを識別します。

  • 境界ボックス— ラベルはバウンディングボックスの内容を識別します。バウンディングボックスは、画像内のオブジェクトを囲む一連の画像座標です。

その後、独自の画像を使用してプロジェクトを作成する場合、トレーニングデータセットとテストデータセットを作成し、画像にラベルを付ける必要があります。詳細については、「モデルタイプの決定」を参照してください。

モデルのトレーニング

Amazon Rekognition Custom Labels がサンプルプロジェクトを作成したら、モデルをトレーニングできます。詳細については、「ステップ 2: モデルをトレーニングする」を参照してください。トレーニングが終了したら、通常はモデルのパフォーマンスを評価します。サンプルデータセットの画像はすでに高性能モデルを作成しているため、モデルを実行する前にモデルを評価する必要はありません。詳細については、「トレーニング済みの Amazon Rekognition カスタムラベルモデルの改善」を参照してください。

モデルの使用

次に、モデルを開始します。詳細については、「ステップ 3: モデルの開始」を参照してください。

モデルの実行を開始したら、モデルを使用して新しいイメージを分析することができます。詳細については、「ステップ 4: モデルを使って画像を解析する」を参照してください。

モデルの稼働時間に応じて課金されます。サンプルモデルを使い終わったら、モデルを停止する必要があります。詳細については、「ステップ 5: モデルの停止」を参照してください。

次のステップ

準備が完了したら、独自のプロジェクトを作成できます。詳細については、「ステップ 6: 次のステップ」を参照してください。