커뮤니티 쇼케이스에서 Amazon Web Services (AWS)는 AWS Heroes와 AWS Community Builder가 만든 프로젝트를 강조합니다.
AWS Machine Learning (ML) Heroes 및 AWS ML Community Builders와 협력하여 사용자 지정 객체를 감지하는 프로젝트 및 사용 사례를 구현했습니다. Amazon Rekognition 사용자 지정 레이블.
AWS ML 커뮤니티는 인공 지능 및 ML 개념에 대해 자세히 알아보고 실제 경험에 기여하고 함께 프로젝트 구축에 협력하는 활발한 개발자, 데이터 과학자, 연구자 및 비즈니스 의사 결정자 그룹입니다.
아마존 인식 개발자가 얼굴 식별 및 확인, 미디어 인텔리전스, 맞춤형 산업 자동화 및 작업장 안전을 포함한 다양한 사용 사례에 대한 이미지와 비디오를 분석 할 수있는 완전 관리 형 컴퓨터 비전 서비스입니다.
사용자 지정 개체 및 장면을 감지하는 것은 어려울 수 있으며 증가하는 데이터로 컴퓨터 비전 모델을 훈련하고 개선하면 문제가 더욱 복잡해집니다. Amazon Rekognition Custom Labels를 사용하면 Jupyter 노트북 경험 없이도 사용자 지정 레이블이 지정된 객체와 장면을 감지 할 수 있습니다. 예를 들어 스트리밍 미디어에서 로고를 식별하고 예방 유지 관리를 단순화하며 공급망 재고 관리를 확장 할 수 있습니다. ML 실무자, 데이터 과학자 및 이전 ML 경험이없는 개발자는 모델을 프로덕션으로 더 빠르게 이동함으로써 이점을 얻는 반면 Amazon Rekognition Custom Labels는 모델 개발의 무거운 작업을 처리합니다.
이 게시물에서는 외부에 게시 된 몇 가지 시작 가이드 및 AWS ML 영웅 과 AWS ML 커뮤니티 빌더 Amazon Rekognition을 냉장고 재고 검사기와 같은 가정 내 프로젝트부터 엔터프라이즈 수준의 HVAC 필터 청정도 감지기에 이르기까지 다양한 사용 사례에 적용했습니다.
AWS ML Heroes 및 AWS ML 커뮤니티 빌더
Mike Chambers의 Amazon Rekognition Custom Labels로 LEGO 브릭 분류. 이 비디오에서 Mike는 Amazon Rekognition Custom Labels를 사용하여 250 개의 서로 다른 LEGO 브릭을 감지하는이 재미있는 사용 사례를 안내합니다.
Rustem Feyzkhanov의 Amazon Rekognition Custom Labels에서 위성 이미지를 사용하여 모델 훈련 (코드 샘플 포함). 위성 이미지는 다음과 같은 소스에서 액세스 할 수있는 위성 데이터의 출현으로 점점 더 중요한 통찰력 소스가되고 있습니다. AWS의 오픈 데이터에 대한 Sentinel-2. 이 안내서에서 Rustem은 Amazon Rekognition Custom Labels로 농업 분야를 찾는 방법을 보여줍니다.
Olalekan Elesin의 Amazon Rekognition Custom Labels (코드 샘플 포함)를 사용하여 X- 레이 데이터에서 인사이트 감지. Amazon Rekognition Custom Labels를 사용하여 저렴한 비용과 리소스를 투자하여 이상을 신속하게 감지하는 방법을 알아보십시오.
Juv Chan의 Amazon Rekognition 사용자 지정 레이블을 사용하여 Natural Flower Classifier 빌드 (코드 샘플 포함). 컴퓨터 비전 모델을 처음부터 구축하는 것은 어려운 작업 일 수 있습니다. 이 단계별 안내서에서는 Oxford Flower 102 데이터 세트와 Amazon Rekognition Custom Labels를 사용하여 자연 꽃 분류기를 구축하는 방법을 알아 봅니다.
Chris Miller와 Siaterlis Konstantinos의 냉장고에있는 것. 식료품 점에 가서 목록을 잊었거나 우유, 맥주 또는 다른 것을 사야하는지 확신이 서지 않습니까? AWS ML 커뮤니티 회원 인 Chris Miller와 Siaterlis Konstantinos가 Amazon Rekognition Custom Labels를 어떻게 사용했는지 알아보십시오. AWS 딥렌즈 AI가 식료품 목록에서 무거운 작업을 수행 할 수 있도록 냉장고 재고 검사기를 구축합니다.
HVAC가 깨끗하거나 더럽습니까? Amazon SageMaker 및 Amazon Rekognition Custom Labels를 사용하여 Luca Bianchi의 감지 자동화. ML 경험이 없거나 데이터 과학자 직원이없는 상태에서 1 ~ 3,000 건의 청정도 검사를 어떻게 관리 할 수 있습니까? Amazon Rekognition 사용자 지정 레이블을 사용하여 깨끗하고 더러운 HVAC를 감지하는 방법을 알아보고 아마존 세이지 메이커 AWS ML Hero Luca Bianchi에서
결론
Amazon Rekognition Custom Labels를 시작하는 것은 간단합니다. 자세히 알아보기 시작 안내서 과 예제 사용 사례.
ML을 막 시작하든 이미 전문 가든 아니면 그 사이에 있든 항상 배울 것이 있습니다. 커뮤니티 생성 및 ML 중심 블로그, 비디오, eLearning 가이드 등에서 선택하십시오. AWS ML 커뮤니티.
커뮤니티에 기여하는 데 관심이 있으신가요? ㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ ㅇㅇㅇ 에 적용하십시오 AWS 커뮤니티 빌더 프로그램)
앞서 링크 된 게시물의 내용과 의견은 제 XNUMX 자 작성자의 의견이며 AWS는 해당 게시물의 내용이나 정확성에 대해 책임을지지 않습니다.
저자에 관하여
카메론 페론 AWS Amazon Rekognition 및 AWS AI / ML 커뮤니티의 선임 마케팅 관리자입니다. 그는 AI / ML 혁신이 커뮤니티, 기업 및 스타트 업 모두가 직면 한 복잡한 문제를 해결하는 방법을 전파합니다. 사무실 밖에서 그는 케틀벨 스포츠를 즐기며 가족 및 친구들과 시간을 보내고 유로 리그 농구의 열렬한 팬입니다.
