【新機能】Amazon Rekognition Custom Labelsを利用して、画像からビジネス固有のオブジェクトやシーンを見つけられるようになりました！ #reinvent

どうも！大阪オフィスの西村祐二です。

Amazon Rekognitionの新しい機能「Amazon Rekognition Custom Labels」が提供開始となりました！

AWS launches Amazon Rekognition Custom Labels to enable customers find objects and scenes unique to their business in images

Amazon Rekognition Custom Labelsとは

画像内のオブジェクト、シーン、および概念を検出するモデルを簡単に作成でき、トレーニング、評価、使用することができます。

これにより、ビジネスニーズ固有の画像内のオブジェクトとシーンを識別するとこができます。

たとえば、ソーシャルメディアの投稿でロゴを見つけたり、店舗の棚で製品を特定したり、組立ラインで機械部品を分類したり、健康な植物と感染した植物を区別したり、動画のアニメーションキャラクターを検出したりできます。

何が嬉しいの？

通常、画像から物体を識別したり分析するためのカスタムモデルの開発は、専門知識を必要とする重要な取り組みであり、多くの場合、開発完了までに数か月かかります。さらに、そのモデルに正確な判断を下すためには数千または数万の手でラベル付けされた画像が必要です。このデータの生成には数ヶ月かかることがあり、機械学習で使用するためのラベル付けされた画像を用意する大規模なチームが必要となっていました。

Amazon Rekognition Custom Labelsを使用すると、Amazon Rekognitionの機能を活用することで、簡単にユーザーのニーズにあったモデルを作成することができます。

現在の利用可能リージョン

• US East (N.Virginia)
• US West (Ohio)
• US West (Oregon)
• EU (Ireland)

Amazon Rekognition Custom Labelsの価格

2種類の観点で料金が発生します。

• トレーニング時間

Amazon Rekognition Custom Labelsを使用してカスタムモデルを構築するのに必要なトレーニング、1時間ごとに費用がかかります。

• 推論時間

画像を処理するために訓練されたカスタムモデルを利用する時間ごとに費用がかかります。リソースのプロビジョニングを解除しないと、画像が処理されなくても引き続き課金されますのでご注意ください。

• 価格表

リージョン	推論	トレーニング
US East (N. Virginia)	$4/hr	$1/hr
US East (Ohio)	$4/hr	$1/hr
US West (Oregon)	$4/hr	$1/hr
EU (Ireland)	$4.44/hr	$1.08/hr

詳細はこちらをご確認ください。

試してみた

1. 画像を用意する

モデルをトレーニングおよびテストするための画像が必要になってきます。

画像の要件の詳細はこちらを参照ください。

トレーニングには少なくとも10枚の画像が必要であるため、今回は下記のようなペットボトルの画像を10枚用意しました。

プロジェクトを作成

▼コンソール画面からアクセスします。

▼S3バケットを作成します。

▼プロジェクト名を設定し、作成します。

データセットを作成

▼モデルをトレーニングするためのデータセットを作成します。

▼データセットの名前を設定します。

▼画像をアップロードします。

ラベルを作成する

少なくとも2つのラベルが必要になりますので適宜追加してください。

ラベルを画像に割り当てる

境界ボックスを追加する

▼画像とラベルがどう対応するか設定します。

「Draw Bounding Box」をクリックします。

▼対象の物体を枠で囲むようにします。

アップロードした画像それぞれに実施していきます。

これで準備完了です。

モデルのトレーニング

▼データセットの準備ができたら次はモデルをトレーニングしていきます。

今回は「Split training dataset」を選択します。これにするとデータセットからトレーニングデータとモデルをテストするデータに分けて実施してくれます。

モデルを評価する

上記で、トレーニングしたモデルをテストし評価も実施されます。

▼無事完了していれば「TRAINING_COMPLETED」となっているかと思います。

▼テストした結果も確認できます。

トレーニングしたモデルは約60%精度ということでしょうか。

間違っていたらご指摘ください。

▼前ステップが完了するとトレーニングによって作成されたモデルを使うためのAPIが作成されています。

ここからさらに、実際に作成モデルを使って画像を分析したり、データセットやラベルを変えトレーニングしなおし評価し精度改善することができますが、長くなりすぎてしまうため、今回はココまでとして、別途やってみたブログをまとめたいと思います。

さいごに

Amazon Rekognition Custom Labelsを使うことで機械学習や画像処理のコーディングや設定なしに画像から物体を認識するモデルを作ることができました。

これを使うことによって簡単に顧客のニーズにあったモデルを作成することができます。

とてもパワフルな機能ですので、興味のある方は是非試してみてください！

誰かの参考になれば幸いです。