この記事は公開されてから1年以上経過しています。情報が古い可能性がありますので、ご注意ください。
AWS re:Invent 2019の「Customize image analysis with Amazon Rekognition Custom Labels」セッションに参加したのでレポートします。
セッション概要
Companies are using computer vision to understand the content and context of their images and videos, at scale. This breakout session provides an overview of the nuances to consider when developing your own application. We discuss multiple approaches to solve the computer-vision needs of your business and next steps to develop a model for your specific use case.
Presented by
- Customize image analysis with Amazon Rekognition Custom Labels
- Humphrey Chen - Chief Product Officer, VidMob
- Taylor Summers - Data Scientist, VidMob
- Josh Wiggins - President, GrayMeta
レポート
Amazon Rekognition Custom Labelsとは
- Amazon Rekognition
- 画像および動画分析のサービス
- ラベル：対象物体やシーンの特定
- コンテンツモデレーション：安全でない、不適切なコンテンツの特定
- テキスト検出：イメージ上のテキスト情報を検出
- 動線の検出：スポーツの選手動線の分析
- 顔検索：人物の特定
- 顔検出と分析：性別や年齢、表情などを分析
- 有名人認識：有名人を判定する
- リアルタイムでの動画分析
- 物体、シーン、共通物体の境界ボックス、ラベルごとに返される信頼度と階層
- 多くの顧客が要求すること
- 「Amazon Rekognitionのラベル付けは、我々のビジネスには必要十分なものではない」
- Amazon Rekognitionでは
Machine partとラベリングされるが、顧客自身は、その部品の詳細な種類が知りたい
- Amazon Rekognition Custom Labelsの適用例1
- Amazon Rekognitionでは
Logo, icon, symbolとラベリングされるが、顧客自身は、AWS iconの詳細な種類（EC2, S3, Rekognition...）が知りたい
- Amazon Rekognitionでは
- Amazon Rekognition Custom Labelsの適用例2
- Amazon Rekognitionでは
Leavesとラベリングされるが、顧客自身は、葉っぱの健康状態も含めたラベリングがしたい - これらの課題を、Amazon Rekognition Custom Labelsを使って解決する
- Amazon Rekognitionでは
- Amazon Rekognition Custom Labelsとは？
- 顧客のドメインに最も関連すると定義された物体やシーンを簡単に検出する、カスタマイズされた画像分析
- ラベル付き画像を作成するためのガイド付きエクスペリエンス
- コーディングやMLの経験なしでトレーニングと評価を行うことができる
- 使いやすいフルマネージドAPIを用意
Amazon Rekognition Custom Labelsのユーザー事例
- GrayMeta社での利用例
- 課題
- 誰かが何を見つけようとしているかわからない
- そしてそれはどこにあるか
- それを見つけるのにどれくらい時間がかかるのか
- 解決策
- Amazon Rekognition Custom Labelsを使用して、Curioで検索される特定のオブジェクトをトレーニング
- 評価
- 数時間かかっていたタスクを数分に
- 組織全体でのセルフサーチを有効化
- 簡単に検索できるUIがなかった
- コンシューマの「ファン」エンゲージメント
- 課題
- デニムブランドに関連するコンテンツのすべての瞬間を見つける
- 解決策
- 過去50年に渡る様々なデニムブランドのカスタムラベルをビルドする
- 評価
- 数百時間を節約し、顧客の満足度を満たすように時間を短縮（収益機会を失わずに済んだ）
- 日常的なコンテンツ関連タスクにおいて、85％の時間を節約
- 課題
- ビデオや画像の膨大なライブラリからキャラクターやオブジェクトを簡単に見つけて、タスクやワークフローですぐに使用できるようにしたい
- 解決策
- Arthurや他のキャラクターをカスタムラベルとしてトレーニング
- Curioを使用して、各キャラクターのモーメントを簡単に検索
- 一度キャラクター/オブジェクトが見つかったら、編集ツールを使用して新しいコンテンツとクリップを作成
- 評価
- コスト削減につながる大幅な時間節約
- 新しいコンテンツを作成する機会が増えた
- ビジネスのニーズをより迅速に満たし、コストの節約を図る
- VidMob社での利用例
- 目的
- 広告に登場する各アニメーションキャラクターの視聴リテンションへの影響を理解する
- 課題
- 架空のアニメーションキャラクターの判定は現在の機能では不可
- 解決策
- 画像をアップロードしてカスタムラベルを作成することにより、エンターテインメント業界のあらゆる形態のタレントのキャラクター識別が可能となった
- 目的
- 広告キャンペーンで取り上げられている各商品タイプのクリックスルーと購入率の影響を理解する
- 課題
- 複数のタイプの製品または製品テーマの判定は現在の機能では不可
- 解決策
- 画像をアップロードしてカスタムラベルを作成することにより、CPG、Eコマース、および美容分野で製品の種類と複数の製品を認識できるようになった
Amazon Rekognition Custom Labelsの操作方法
- プロジェクトを作成する
- トレーニング用のデータセットを作成する
- テストデータセットを作成する
- トレーニングを実行
- どのようにしてトレーニングが実行されるのか
- 新しいタスクに移行する事前訓練済みのモデル
- モデルのセットをトレーニングし、最高のパフォーマンスのモデルを選択
- カスタムモデルを評価する
- モデル全体のパフォーマンス
- テストデータセットの結果を確認する
- 画像レベルの結果を確認する
- Amazon Rekognition Custom Labelsを使った大規模な検出
- StartProjectVersionを呼び出してカスタムモデルの利用を開始
- DetectCustomLabelsを呼び出してカスタムラベルモデルを使ったカスタムラベルの検出
- StopProjectVersionを呼び出してカスタムモデルの利用を停止
- Amazon Rekognition Custom LabelsのAPIリファレンス
- Amazon Rekognition Custom Labelsの料金
- モデルのトレーニング：$1/トレーニング時間（hour）
- モデルの利用：$4/利用時間（hour）
- ※上記はUS East (N. Virginia)リージョンの場合
- 現在利用可能なリージョン
- US East (N. Virginia)
- US East (Ohio)
- US West (Oregon)
- EU (Ireland)
- Amazon Rekognition Custom Labelsの利点
- 顧客のニーズに応じたラベルのカスタマイズ
- MLの経験は必要なし
- ビジネスユーザーがUIを使ってMLモデルを作成可能、ノーコーディングで利用できる
- 少ないトレーニングデータ（数十から数百個）
- モデルのカスタマイズと利用が数時間で可能
- AWSによるフルマネージドのサービス
おわりに
新しくリリースされた、Amazon Rekognition Custom Labelsについてのセッションでした。
これまでRekognitionでは一般的なラベリングしかできませんでしたが、Custom Labelsがリリースされたことで、製造業における部品の判定など実際の業務に適したモデルが作成可能となりました！
個人的にも、これは熱いアップデートだと思います。
ノーコーディングでモデルのトレーニング・利用まで完結できることも、ビジネスユーザーにとって利用しやすいポイントですね。
Amazon Rekognition Custom Labelsについては、弊社西村が早速触って検証記事を書いていますので、よろしければそちらもご参照ください！
【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
14
