Dans notre présentation de la communauté, Amazon Web Services (AWS) met en évidence les projets créés par AWS Heroes et AWS Community Builders.
Nous avons travaillé avec AWS Machine Learning (ML) Heroes et AWS ML Community Builders pour donner vie à des projets et des cas d'utilisation qui détectent des objets personnalisés avec Étiquettes personnalisées Amazon Rekognition.
La communauté AWS ML est un groupe dynamique de développeurs, de scientifiques des données, de chercheurs et de décideurs commerciaux qui plongent profondément dans les concepts d'intelligence artificielle et de ML, contribuent avec des expériences du monde réel et collaborent à la construction de projets ensemble.
Amazon Reconnaissance est un service de vision par ordinateur entièrement géré qui permet aux développeurs d'analyser des images et des vidéos pour une variété de cas d'utilisation, y compris l'identification et la vérification des visages, l'intelligence médiatique, l'automatisation industrielle personnalisée et la sécurité au travail.
La détection d'objets et de scènes personnalisés peut être difficile, et la formation et l'amélioration d'un modèle de vision par ordinateur avec des données croissantes rendent le problème plus complexe. Les étiquettes personnalisées Amazon Rekognition vous permettent de détecter des objets et des scènes étiquetés personnalisés sans aucune expérience de bloc-notes Jupyter. Par exemple, vous pouvez identifier les logos dans les médias en streaming, simplifier la maintenance préventive et faire évoluer la gestion des stocks de la chaîne d'approvisionnement. Les praticiens du ML, les scientifiques des données et les développeurs sans aucune expérience préalable du ML en profitent en faisant passer leurs modèles en production plus rapidement, tandis qu'Amazon Rekognition Custom Labels se charge de la lourde tâche du développement de modèles.
Dans cet article, nous mettons en évidence quelques guides de démarrage et tutoriels publiés en externe à partir de Héros AWS ML et Constructeurs de communauté AWS ML qui a appliqué Amazon Rekognition à une grande variété de cas d'utilisation, des projets à domicile comme un vérificateur d'inventaire de réfrigérateur à un détecteur de propreté de filtre HVAC au niveau de l'entreprise.
AWS ML Heroes et AWS ML Community Builders
Classez les briques LEGO avec les étiquettes personnalisées Amazon Rekognition de Mike Chambers. Dans cette vidéo, Mike vous explique ce cas d'utilisation amusant pour utiliser les étiquettes personnalisées Amazon Rekognition pour détecter 250 briques LEGO différentes.
Modèles de formation utilisant l'imagerie satellite sur les étiquettes personnalisées Amazon Rekognition par Rustem Feyzkhanov (avec des exemples de code). L'imagerie satellitaire devient une source d'informations de plus en plus importante avec l'avènement de données satellitaires accessibles à partir de sources telles que Sentinel-2 sur les données ouvertes sur AWS. Dans ce guide, Rustem montre comment trouver des champs agricoles avec les étiquettes personnalisées Amazon Rekognition.
Détection d'informations à partir de données radiographiques avec les étiquettes personnalisées Amazon Rekognition d'Olalekan Elesin (avec des exemples de code). Apprenez à détecter les anomalies rapidement et avec un faible coût et un faible investissement en ressources avec les étiquettes personnalisées Amazon Rekognition.
Création d'un classificateur de fleurs naturelles à l'aide d'étiquettes personnalisées Amazon Rekognition par Juv Chan (avec des exemples de code). Construire un modèle de vision par ordinateur à partir de zéro peut être une tâche ardue. Dans ce guide étape par étape, vous apprenez à créer un classificateur de fleurs naturelles à l'aide de l'ensemble de données Oxford Flower 102 et des étiquettes personnalisées Amazon Rekognition.
Qu'y a-t-il dans mon réfrigérateur par Chris Miller et Siaterlis Konstantinos. Combien de fois êtes-vous allé à l'épicerie et avez oublié votre liste, ou ne saviez-vous pas si vous deviez acheter du lait, de la bière ou autre chose? Découvrez comment Chris Miller et Siaterlis Konstantinos, membres de la communauté AWS ML, ont utilisé les étiquettes personnalisées d'Amazon Rekognition et AWS DeepLens pour créer un vérificateur d'inventaire de réfrigérateur pour laisser l'IA faire le gros du travail sur votre liste d'épicerie.
CVC propre ou sale? Utilisation d'Amazon SageMaker et des étiquettes personnalisées Amazon Rekognition pour automatiser la détection par Luca Bianchi. Comment pouvez-vous gérer 1 à 3,000 XNUMX contrôles de propreté sans aucune expérience en ML ou avec un data scientist dans le personnel? Apprenez à détecter les CVC propres et sales à l'aide des étiquettes personnalisées Amazon Rekognition et Amazon Sage Maker de AWS ML Hero Luca Bianchi.
Conclusion
La mise en route des étiquettes personnalisées Amazon Rekognition est simple. En savoir plus avec le Guide de Démarrage et exemples de cas d'utilisation.
Que vous soyez débutant avec ML, déjà expert ou quelque chose entre les deux, il y a toujours quelque chose à apprendre. Faites votre choix parmi les blogs, vidéos, guides eLearning et bien plus encore créés par la communauté et axés sur le ML Communauté AWS ML.
Êtes-vous intéressé à contribuer à la communauté? Postulez au Constructeurs de communauté AWS .
Le contenu et les opinions des articles liés précédents sont ceux des auteurs tiers et AWS n'est pas responsable du contenu ou de l'exactitude de ces articles.
À propos de l’auteur
Cameron Péron est Senior Marketing Manager pour AWS Amazon Rekognition et la communauté AWS AI / ML. Il évangélise la façon dont l'innovation IA / ML résout les défis complexes auxquels sont confrontées la communauté, les entreprises et les startups. En dehors du bureau, il aime rester actif avec kettlebell-sport, passer du temps avec sa famille et ses amis, et est un fervent fan de basket-ball de la ligue européenne.
