introduction

J'ai essayé d'utiliser l'API Detect Labels d'AWS Rekognition, un service d'apprentissage automatique AWS. Il semble que vous puissiez facilement identifier les objets et les scènes, j'ai donc créé et utilisé une simple application d'extraction d'images.

Qu'est-ce qu'AWS Rekognition?

Avec le service d'apprentissage automatique fourni par AWS, la reconnaissance d'image telle que l'analyse d'image et l'analyse vidéo peut être facilement effectuée. Plus précisément, les API suivantes sont fournies.

API DetectLabels (détecte les objets et les scènes à partir d'images)
API DetectFaces (détecte les expressions faciales humaines et le placement des pièces à partir d'images)
API CompareFaces (calcule la similitude entre deux images de visage)
IndexFaces / SearchFacesByImage API (Il est possible de coller un index sur une image de visage et de rechercher)

Qu'est-ce que l'API DetectLabels?

L'API DetectLabels vous permet d'étiqueter des milliers d'objets, tels que des voitures, des animaux domestiques et des meubles identifiés à partir d'images, et d'obtenir un score de confiance. Le score de confiance est indiqué par une valeur comprise entre 0 et 100, indiquant la possibilité que le résultat de l'identification soit correct. Extrait de AWS Rekognitoion Black belt

Comme indiqué ci-dessus, il s'agit d'une API qui vous permet d'étiqueter à partir de l'image d'entrée, et vous pouvez également vérifier le résultat d'étiquetage à partir de la console de gestion comme indiqué ci-dessous. Vous pouvez voir que les trois chats sont bien identifiés!

L'image de chat saisie est obtenue à partir de bixabay.

La demande à l'API DetectLabels est la suivante, en utilisant l'image de chat ci-dessus comme exemple d'entrée.

{
    "Image": {
        "Bytes": "(Chaîne d'octets de l'image d'entrée)"
    }
}

En réponse, le JSON suivant est renvoyé. La structure est un tableau d'informations d'étiquette, et les informations d'étiquette comportent les éléments suivants.

Nom de l'étiquette
Fiabilité des étiquettes
Plage de l'image d'entrée identifiée comme étiquette (0,0 à 1,0)
Informations sur l'étiquette parent pour cette étiquette

{
    "Labels": [
        {
            "Name": "Cat",
            "Confidence": 99.57831573486328,
            "Instances": [
                {
                    "BoundingBox": {
                        "Width": 0.369978129863739,
                        "Height": 0.7246906161308289,
                        "Left": 0.17922087013721466,
                        "Top": 0.06359343975782394
                    },
                    "Confidence": 92.53639221191406
                },
                {
                    "BoundingBox": {
                        "Width": 0.3405080735683441,
                        "Height": 0.7218159437179565,
                        "Left": 0.31681257486343384,
                        "Top": 0.14111439883708954
                    },
                    "Confidence": 90.89508056640625
                },
                {
                    "BoundingBox": {
                        "Width": 0.27936506271362305,
                        "Height": 0.7497209906578064,
                        "Left": 0.5879912376403809,
                        "Top": 0.10250711441040039
                    },
                    "Confidence": 90.0565414428711
                }
            ],
            "Parents": [
                {
                    "Name": "Mammal"
                },
                {
                    "Name": "Animal"
                },
                {
                    "Name": "Pet"
                }
            ]
        },
        {
            "Name": "Pet",
            "Confidence": 99.57831573486328,
            "Instances": [],
            "Parents": [
                {
                    "Name": "Animal"
                }
            ]
        },
        {
            "Name": "Kitten",
            "Confidence": 99.57831573486328,
            "Instances": [],
            "Parents": [
                {
                    "Name": "Mammal"
                },
                {
                    "Name": "Cat"
                },
                {
                    "Name": "Animal"
                },
                {
                    "Name": "Pet"
                }
            ]
        },
        {
            "Name": "Animal",
            "Confidence": 99.57831573486328,
            "Instances": [],
            "Parents": []
        },
        {
            "Name": "Mammal",
            "Confidence": 99.57831573486328,
            "Instances": [],
            "Parents": [
                {
                    "Name": "Animal"
                }
            ]
        }
    ],
    "LabelModelVersion": "2.0"
}

Essayer de faire

Quoi faire

L'étiquetage est effectué à partir de l'image téléchargée dans le compartiment S3, la plage étiquetée dans l'image est extraite et l'image extraite est sortie vers un autre compartiment S3 avec l'étiquette «nom d'étiquette» = «fiabilité». vient de le faire.

Diagramme

①. Téléchargez le fichier image dans le bucket "rekognition-test-20200530" ②. Le "Test de reconnaissance" Lambda démarre déclenché par l'événement de création de fichier de compartiment ③. Lambda "Recognition Test" appelle l'API DetectLabel en saisissant le fichier image téléchargé sur S3 ④ Le «test de reconnaissance» Lambda est basé sur la réponse de l'API Detect Label.

Pour les éléments avec une plage cible spécifiée sur l'étiquette, extrayez la plage cible de l'image téléchargée.
Ajoutez la balise S3 "label name" = "label confidence value" à l'image extraite
Sortie vers le bucket "rekognition-test-20200530-output"

Paramètres pour chaque ressource AWS

Nom du godet	Réglage
rekognition-test-20200530	・ Création d'un seau - Paramètre de déclenchement pour Lambda "Test de reconnaissance" au moment de l'événement de création de fichier dans S3
rekognition-test-20200530-output	・ Création d'un seau -Ajout d'une stratégie de compartiment pour donner l'autorisation d'écriture au rôle IAM de Lambda "Test de reconnaissance"

Lambda Layer Puisque Pillow est utilisé pour extraire des images, j'ai enregistré Lambda Layer en me référant à ce blog.

Démarrez EC2 d'Amazon Linux
Installez Pillow sur EC2
Compressez le dossier dans lequel Pillow est installé
Téléchargez le fichier zip et enregistrez le fichier zip avec Lambda Layer

Puisque Python 2.7 est utilisé dans l'article que j'ai utilisé cette fois, il est installé avec l'oreiller d'installation de pip.

Lambda Exécution: python2.7

`lambda_function.py`


# coding: utf-8
import json
import boto3
from PIL import Image
import uuid
from io import BytesIO


def lambda_handler(event, context):
    #Événement S3 et acquisition d'objets
    s3 = boto3.client('s3')
    #Nom du bucket où l'événement s'est produit
    bucket = event['Records'][0]['s3']['bucket']['name']
    #Clé d'objet où l'événement s'est produit
    photo = event['Records'][0]['s3']['object']['key']
    try:
        #Acquisition du fichier image où l'événement S3 s'est produit
        target_file_byte_string = s3.get_object(Bucket=bucket, Key=event['Records'][0]['s3']['object']['key'])['Body'].read()
        target_img = Image.open(BytesIO(target_file_byte_string))
        #Obtenir la largeur et la hauteur du fichier image
        img_width, img_height = target_img.size
        #Client de reconnaissance
        rekognition_client=boto3.client('rekognition')
        #Appel d'API DetectLabels et acquisition des résultats d'étiquetage
        response = rekognition_client.detect_labels(Image={'S3Object':{'Bucket':bucket,'Name':photo}}, MaxLabels=10)
        for label in response['Labels']:
            #Extrait une image et la renvoie vers S3 pour une étiquette avec une plage spécifiée.
            for bounds in label['Instances']:
                box = bounds['BoundingBox']
                #Déterminez la plage d'extraction d'image
                target_bounds = (box['Left'] * img_width, 
                                box['Top'] * img_height,
                                (box['Left'] + box['Width']) * img_width,
                                (box['Top'] + box['Height']) * img_height)
                #Extraction d'images
                img_crop = target_img.crop(target_bounds)
                imgByteArr = BytesIO()
                img_crop.save(imgByteArr, format=target_img.format)
                #Spécification de la balise d'objet S3
                tag = '{0}={1}'.format(label['Name'], str(label['Confidence']))
                #Sortie vers S3
                s3.put_object(Key='{0}.jpg'.format(uuid.uuid1()), 
                            Bucket='rekognition-test-20200530-output', 
                            Body=imgByteArr.getvalue(),
                            Tagging=tag)
    except Exception as e:
        print(e)
    return True

J'ai essayé de l'utiliser!

Image d'entrée

Depuis bixabay

Essayez de télécharger l'image d'entrée ci-dessus (le nom du fichier est animal5.jpg) vers S3. Le téléchargement est terminé. Après avoir attendu un moment, l'image extraite a été sortie vers S3! Vérifions une balise de l'image. C'est bien étiqueté. Vérifions le contenu de chaque image sortie vers S3.

012a3206-a2fe-11ea-a36e-3245b8e10005.jpg
0157da26-a2fe-11ea-a36e-3245b8e10005.jpg
01670c80-a2fe-11ea-a36e-3245b8e10005.jpg

J'ai pu l'extraire en toute sécurité!

Matériel de référence

Présentation d'AWS Rekognitoion AWS Rekognitoion Black belt