ヤマムギ

growing hard days.

*

「はじめての Amazon Lookout for Vision ハンズオン」に参加しました

   


Amazon Lookout for Visionのハンズオンに参加しました。

Amazon Lookout for Vision

製品の欠陥検出をするAmazon Lookout for Vision。
少なくとも正常画像20枚以上、異常画像10枚以上が必要。
画像さえ用意して、学習すれば、あとは外観検査が行えると。
ソースコードを書いたり、機械学習の深い理解がなくても、自動的な欠陥検出ができるサービスとのことです。
楽しみです。

ハンズオン

ハンズオン手順

サンプル画像を用意いただいてるのでそれをダウンロードして。
Lookout for Visionの初回起動にはS3バケット作成が必要と。
バケット名は決められちゃうのですね。
できたS3バケットに、バケットポリシーとかできてるのかなと思ったら何もないデフォルトのバケットでした。

プロジェクト名をきめて作成してと。

マネジメントコンソールにナビゲートが表示されてます。
この順番で実行していくのですね。
わかりやすいですね。
まずはデータセット作成。

今回はローカルからアップロードします。
アップロードしたのがさきほどのS3バケットに保存されるんでしょうね。

20枚の画像がS3に保存されました。

画像を全部選択して、[正常として分類]しました。

次は異常として用意された画像をアップロードしました。

しみがあったり、汚れたり、ほつれてたりしているカーペットの画像です。

今度は[異常として分類]します。

正常20枚と異常10枚が揃ったので、「モデルをトレーニングするのに十分なラベル付きイメージがあります。」となりました。
[モデルをトレーニング]を押下しました。

ここから時間がかかるので、自己紹介タイムになりました。

待ってる間にS3バケットのポリシーが気になってたのでちょっとテストしてみました。

こんなポリシーでS3だけ使えないIAMユーザーでLookout For Visionでプロジェクトを作って、データセットを作ろうとしたら。

エラーになりました。
なので、操作しているIAMユーザーのポリシーによってS3バケットへのPutが行われるということですね。

そんなこんなことをしているうちにトレーニングが完了しました!

モデルを選択するとサンプルデータを使って、自動でテストされた結果が表示されます。

リコールが100%でしたので、異常が正常とされることはなかったと。
欠陥製品が正常と判断されることはなかったということですね。
安心です。

精度が83.3%で、正常な製品が2つ異常とされてしまったので、このままでは、不良品コストが増えるということになります。
なのでチューニングをしましょう。

[トライアル検出を実行]ボタンを押下しました。

トライアル用のサンプルデータを20枚アップロードしました。
10枚が異常と判断してほしい画像で、10枚が正常判断してほしい画像です。

このトライアル検出をした結果です。
10枚づつの正常、異常が正しい結果なので、まだまだ正しくないですね。

[マシン予測を検証]を押下しました。


正常、異常が正しい結果か、確認して補正します。
そして、データセットに追加してモデルを再学習しました。

こうやってモデルを賢くしていくのですね。

モデルは再学習すると上書きではなくて追加なのですね。
バージョン管理できていいですね。

このモデルを現場で実際に使う場合は、推論モデルを開始します。
そのためのコードスニペットが用意されています。

開始

実行してみました。
{
“Status”: “STARTING_HOSTING”
}

これでモデルがホスティング状態になり、推論課金がスタートします。

マネジメントコンソールで、モデル1が開始中になりました。

ホスト済になりました。

異常検出を実行するコマンドも用意されています。

結果です。
{
“DetectAnomalyResult”: {
“Source”: {
“Type”: “direct”
},
“IsAnomalous”: true,
“Confidence”: 0.6220576167106628
}
}

異常な画像をリクエストして異常と教えてくれました。

実際にはboto3とかで、画像がアップロードされるたびに検出するとかですよね。
今回勉強会で、お助けマンこばさんがPythonのコード用意していただいてたので、それを使ってローカルで実行してみました。

出力は以下でした。
Anomalous: True
Confidence: 0.6220576167106628

これ、使わないときホスティングしぱなっしにしたらコスト的にだめなやつですね。
停止忘れて放置とか最悪な未来しか見えないですね。
なのでちゃんと止めなければ!
停止するコマンドは以下でした。

停止中になりました。
{
“Status”: “STOPPING_HOSTING”
}

面白いデモなので、プロジェクトとモデルは置いておこうと思います。
トレーニングとホスティングしなければ、S3の保存料金ぐらいかなと思うので。

念のためですが、少しの間は課金状況は確認しておきましょう。


最後までお読みいただきましてありがとうございました!

【PR】 「AWS認定試験対策 AWS クラウドプラクティショナー」という本を書きました。

【PR】 「AWSではじめるLinux入門ガイド」という本を書きました。

【PR】 「ポケットスタディ AWS認定 デベロッパーアソシエイト」という本を書きました。

 - event, study , ,

ad

ad

  関連記事

DevLOVE関西「事業会社の現場を知ろう~モノタロウ編~」に行ってきました

DevLOVE関西「事業会社の現場を知ろう~モノタロウ編~」 モノタロウさんプラ …

「MasterCloud第10回 ~超AWS神回の予感~」に行ってきました

JAWS DAYS 2018のコミュニテイフレンドシップにも参加しているMast …

ヤマムギvol.18 AWS CloudFormationのデモをしました

ゴールデンウィーク10日連続朝30分のデモチャレンジ6日目です。 90名さんもの …

Developers Summit 2018 「Building Real-time Application With AWS AppSync 〜GraphQLの始め方〜」を聞きました

以下は、思ったことや気になったことをメモしていますので、必ずしも登壇者の発表内容 …

「JP_Stripes in Osaka Vol.2」でハンズオンをやりました

JP_Stripes大阪、早くも2回目の開催です。 自分が使ってみたいという目的 …

走った!しゃべった!呑んだ!JAWS DAYS 2016 re:cap 〜JAWS-UG大阪&関西女子会 特別合同企画〜

先日のJAWS DAYS 2016 re:cap 〜JAWS-UG大阪&関西女子 …

LINEとAWSとTwilioとkintoneでBOTを作ってみるハンズオン (5) LINEからの投稿へ返信と登録処理

作る部分 LINEからのメッセージを受けて各APIより返信し、StepFunct …

「kintone Café 大阪 Vol.8 〜夏の事例祭り!〜」に行ってきました

「kintone Café 大阪 Vol.8 〜夏の事例祭り!〜」に行ってきまし …

東大阪メーカーズ・ミートアップ Vol.2に行ってきました

今回初参加で行ってきました。 東大阪メーカーズ・ミートアップとは 「主に東大阪の …

四国クラウドお遍路 2020 松山サテライト会場に参加しました

四国クラウドお遍路2020に参加してきました。 往路 伊丹空港から飛行機で行きま …