불량품을 검출하는 AI 서비스'Amazon Lookout for Vision'가 지난주 25일(목요일)도쿄 지역에서 제공을 시작한다고 발표하다에 접수됐지만 27일(토요일) 일찌감치 AWS의 기초를 배우는 커뮤니티개최하다에서 실제 체험을 할 수 있었다.
AI, 머신러닝과 한슨이라 기다리는 시간도 있지만 솔라콤의 @ma2shita 씨의 "아마존 Lookout for Vision이 지향하는 일, 사용하는 곳과 주의점"와 JAWS-UG 나고야의 @nori2takanori 씨의 "이미지 기반 이상 감지 사용 아마존 Lookout for Vision"등 LT가 있어 지루할 틈이 없는 2시간.그중에 나온 슬라이드 한 장이 바로 여기다.

Lookout for Vision은 불량 제품에만 사용되는 서비스가 아닙니다.이것은 너의 생각에 달려 있다.그럼 싸지만 그걸 해보고 싶어요.네, 그것도 좋아요.
아오모리 인증
'칭슨판'나는 로봇이 아니다'이미지 선택',''라는 호칭도 있다.하지만 이곳은 독단적이어서 청삼인증이라고 불린다.

천리만 해도 사과만 못하다

한스톤의 순서는 복잡하지 않았지만 아무튼'정상적인 원단 사진'과 구멍을 뚫거나 이물질이 섞인'이상한 원단 사진'을 사용해 깊은 인상을 남겼다.Lookout for Vision은 이런 것들을 배워서'이 정상','이 이상'을 분별할 수 있는 서비스입니다.
그렇다면 후지의 초상화와 후지가 아닌 사과의 초상화를 배워'이건 정상이다''이건 이상해'라고 알려주면 된다.청삼 뇌 배양 프로젝트.청삼뇌 배양의 첫 번째 단계는 애플 이미지에서 시작된다.그래서 후지와 후지가 아닌 사과 이미지를 수집한 곳은 여기다.
Apple의 인증 화면
...피곤해요.하지만 이것만 완성하면 이기는 거야.

청삼뇌의 탄생(Lookout for Vision의 모형 제작까지)

AWS에 로그인하여 프로젝트를 엽니다.S3통을 처음 설치하고 싶다는 통보를 받았기 때문에 허용합니다.
Lookout for Visions
적당한 이름으로 프로젝트를 하다.

여기서 만든 데이터는'추가 이미지'로 집중되어 있으며 먼저 후지의 이미지를 모아 업로드합니다.20장이 모였다.

업로드된 이미지에 대해 정상 이상 치수를 지정합니다.이번에 후지TV의 영상을 올렸기 때문에 모두'정상'이라고 생각했다."이 페이지의 모든 이미지 선택"→ "정상으로 분류"→ "다음 페이지로 이동"→ "이 페이지의 모든 이미지 선택"→... 모든 이미지를'정상'으로 표시하는 것을 반복합니다.완료되면 변경 내용 저장 (20) 을 사용하여 저장합니다.

마찬가지로 후지 이외의 애플 이미지도 올라와 모두'이상'으로 등록됐다.업로드 후 필터에서 [태그 없음]을 지정하면 업로드된 이미지만 표시되므로 동일한 절차에 따라 모두 [예외(Anomaly)] 태그를 붙여 저장합니다.
정상 이미지가 20장, 이상 이미지가 10장 이상이면 학습할 수 있습니다.구체적으로'트레이닝 모델'이라는 버튼을 누를 수 있기 때문에 해야 한다.모델의 훈련은 30분 정도 걸리기 때문에 좀 기다려야 한다.

포인트이미지 크기가 완전히 같지 않으면 다음 오류 정보가 실패합니다.공부를 시작하고 바로 나왔으니 조금만 지켜줬으면 좋겠어요.

Images in the dataset must have the same dimensions.

모델 상태가 교육 완료인 경우 준비가 완료됩니다.다시 말하면 청삼뇌의 탄생이다.여기까지는 코드, 명령, AI/ML 지식이 없었다.너무 좋아요.

대결, 아오모리 인증 vs 아오모리 뇌(Lookout for Vision의 이상 판별)

드디어 아오모리 뇌가 아오모리 인증에 도전했다.이를 위해 우리는 푸른숲이 인증한 애플 이미지를 푸른숲의 뇌에 일일이 보여준다.네, 개별 서류도 만들어야 해요.이런 느낌이에요.

이것만 완성하면 이긴 것과 같다.청삼뇌(Lookout for Vision으로 제작된 모델)의 이상 판별은 안타깝게도 AWS CLI로 실행되었지만, 명령은 거의 OK를 복사했다.모델 화면에서 모델 사용 탭을 열면 필요한 명령이 표시됩니다.

첫 번째 명령을 직접 실행하면 청삼뇌가 작동한다.부팅이 완료될 때까지 시간이 걸리며, 두 번째 이상 인식 명령을 기다리지 않고 실행하려고 하면 상태가 HOSTED가 되기 전에 실행할 수 없다는 오류 메시지가 표시됩니다.시작 상태는 성능 도량표를 통해 확인할 수 있습니다. 완료될 때까지 기다리십시오.
시작이 완료되면 두 번째 이상 식별 명령을 실행합니다.이것도 얼마 안 남았는데 이렇게 실행하면 되지만 마지막 /path/ti/image.jpg 부분을 식별하고 싶은 이미지 파일의 경로로 변경합니다.상대 경로든 Windows 환경의 경로 구분자\든 가능합니다.집행례는 이렇다.

실행 결과에서 가장 먼저 보이는 것은 IsNomalous 이다.이것은 true 때는'이상 발견'이었다.이번 상황은 true이 예에서 후지의 사진 이미지를 지정하여 판별하면 false, 즉 정상이고 후지로 판별된다.또 다른 볼거리는 Confidence.이것은 판정 결과의 신뢰도를 나타낸다.56% 정도... 자신이 없는 것 같아요.괜찮아요, 맞아요.
여기 또 몇 군데 걸렸어요.

AWS CLI가 오래된 경우에는 사용할 수 없습니다aws lookoutbision.보기만 해도 그런 일은 없는 것 같지만 내 환경은 2.0.0판에서 실행할 수 없다.SaisinnoMSIfairu(2.1.27 버전)로 업데이트됩니다.

식별 대상 이미지도 학습용 이미지와 같은 사이즈로 설정해야 한다.크기가 다르면 오류가 발생합니다Image failed to pass validation..

이 점을 주의하면서 사과 9개의 초상화를 하나하나 판별하면 푸젠 인증에 대답할 수 있을 거야...할 수 있을 거야...!아, 판별이 끝나면 세 번째 명령을 실행하고 청삼뇌를 멈추세요.청삼뇌(모델)의 운행 시간 중 사용 비용이 지속적으로 발생한다.진짜 멈추는 거 잊지 마.

그리고 이렇게 됐어요.

따라서 시도해 본 결과를 총괄해 보자.Changelog 그러니 이것도 잘 차려라.
정답도 공개됐습니다.
유감스럽게도 아직 한 걸음 남았다.상단 중앙의 후지는'후지가 아니다'라고 여겨진다.신뢰도(신뢰도가 낮은 이상 판정도 있지만)도 52% 낮았다.정말 좀 아쉽네요.실용적인 상황에서 이곳에서 훈련을 좀 더 하면 이번에는 여기까지다.
마지막으로 한슨과 그 동안 LT2에서 배운 것들을 회상하면서 Lookout for Vision을 되돌아보고 싶습니다.

.이번에는'후지=정상','후지=이상이 아니다'라는 김을 만들었기 때문에 Lookout for Vision의 대상이 된다.후지, 홍옥, 북두 등 3가지 이상의 분류를 구분할 때 다른 서비스를 이용하는 것이다.

Lookout for Vision이 잘하는 것은 정상/이상 2치 분류입니다. 모두 통일.그렇지 않으면 훈련을 수행할 때나 이상 판별할 때 오류가 발생할 수 있다.

학습 시 및 이상 판별 시 이미지 사이즈 .이번에는 나뭇가지에 녹색 배경의 그림이 학습용 그림으로 들어갔다.아오모리 인증에 따라 이 배경을 깨끗하게 삭제하면 정밀도가 높아진다.

방법을 강구하여 학습용 이미지의 수집을 쉽게 하다.가장 좋은 것은 이미지 파일의 질도 결합시키는 것이다라, 준비 수량은 이상 변화를 만들기 쉽다이미지 합성으로 만들기.

과자를 대상으로 해봐요. .정상/이상 2치 분류만 할 수 있지만'가전제품 작동등을 촬영하면 정상(소등)/이상(점등) 판별을 통해 차단을 잊는 것을 조사한다','문을 찍는 열쇠는 정상(누워)/이상(세로) 판별을 통해 닫는 것을 잊는 것을 조사한다'등불량품이 검출된 것 외에도 여러 가지 용도가 있는 것 같습니다.

이상, 푸젠 인증은 푸젠 뇌로 풀 수 있습니까?

인용하다

용도는 생각에 달려 있다

Amazon Lookout for Vision(컴퓨터 시각으로 시각적 결함 또는 이상 발견)

아마존 사이트 서비스 블로그

AWS를 배우는 기초 특별편 최신 서비스의 첫 번째 이미지 기초 이상 검출을 만져보세요. - connpass.

아마존 Lookout for Vision이 지향하는 일, 사용하는 곳과 주의점 /what-amazon-lookout-for-vision-can-be-used-for-and-how-to-use-it-speaker Deck

구현 중에 오류를 해결하기 위해 아래 내용을 참고하도록 허락해 주십시오.

이미지 기반 이상 감지 사용 아마존 Lookout for Vision