Как развернуть модель обнаружения объектов с помощью AWS DeepLens
AWS DeepLens можно описать как настраиваемую камеру, которая позволяет пользователям находить возможность практиковать методы обработки потокового мультимедиа в реальном времени за меньшее время.
В AWS DeepLens можно развернуть три различных типа моделирования. В этом посте мы будем работать над моделью обнаружения предварительно обученных объектов.
- Предварительно обученная модель
Этот проект позволяет пользователям развертывать на своих устройствах изначально обученную модель. Его можно выбрать по следующему пути: Проекты ›Создать проект.
2. Обученная модель Amazon SageMaker
С помощью этого типа модели вы можете создавать и обучать свои модели в AWS SageMaker и предоставлять следующую информацию, а затем нажимать кнопку «Импорт»: «Идентификатор задания», «Название модели», «Структура модели».
Чтобы иметь возможность развертывать свои модели на вашем устройстве с помощью этого типа модели, AWS Sagemaker является необходимой службой для открытия SageMaker Экземпляр Notebook в качестве редактора кода.
Если вы новичок в сервисах AWS и никогда раньше не использовали AWS SageMaker, AWS предлагает вам уровень бесплатного пользования AWS. Используя эту учетную запись, вы можете начать использовать AWS SageMaker в течение первых двух месяцев.
3. Модель, прошедшая внешнее обучение
При выборе этого типа модели ожидается, что вы уже обучили свою модель вне среды AWS и загрузили ее в корзину AWS S3. Чтобы загрузить модель в DeepLens, вам необходимо заполнить следующие поля и затем нажать кнопку «Импорт»: «Путь к артефакту модели», «Имя модели», «Структура модели».
AWS DeepLens
Перед тем, как начать пользоваться каким-либо сервисом, необходимо установить необходимые разрешения, как в ссылке, чтобы иметь возможность правильно их использовать. Первый сервис, который будет использоваться, - это AWS DeepLens. Чтобы воспользоваться этой услугой, ваш регион должен быть выбран среди одного из следующих регионов:
Европа (Франкфурт) eu-central-1
Восток США (Северная Вирджиния) us-east-1
Азиатско-Тихоокеанский регион (Токио) ap-northeast-1
После настройки политик и регионов среды разработки с помощью Консоли управления AWS под заголовком «Найти сервисы» вы сможете быстро найти любые сервисы с помощью кнопки поиска, набрав название сервиса, как показано ниже.
Эта страница содержит основную информацию об услуге. Для получения более подробной технической информации вы можете посетить Документация на вкладке Дополнительные ресурсы.
Регистрация устройства
Когда продукт распакован, первым делом необходимо правильно зарегистрировать ваше устройство в сервисе AWS DeepLens.
После подключения устройства к ПК нажмите кнопку «Зарегистрировать устройство», затем выберите версию своего оборудования и нажмите «Пуск », как показано на рисунке ниже.
В качестве первого шага необходимо подключить устройство к источнику питания с помощью адаптера и включить кнопку питания. Когда устройство включено, индикатор питания станет синим.
Вы можете подключить свой компьютер к устройству, подсоединив USB-кабель к порту «Регистрация» устройства.
После успешной регистрации AWS DeepLens вы сможете увидеть свое устройство на вкладке «Ресурсы› Устройства »в левой части страницы с помощью« Зарегистрировано »статус.
Развертывание предварительно обученной модели
В разделе «Проекты» вам нужно нажать кнопку «Создать новый проект», которая находится в правом верхнем углу, чтобы увидеть типы проектов.
На этом этапе необходимо выбрать один из предварительно заполненных шаблонов проекта. Выберите «Использовать шаблон проекта в качестве типа проекта и выберите« Обнаружение объекта »из списка и прокрутите вниз до экрана и нажмите «Создать».
На странице «Укажите сведения о проекте» примите значения по умолчанию в фидах названия и описания проекта.
Внизу той же страницы вы увидите настройки выбора содержимого проекта. И для модели, и для функции примите значения по умолчанию и нажмите «Создать». , чтобы продолжить.
На этом этапе вы развернете проект обнаружения объектов на своем устройстве. Ваш текущий созданный проект должен быть успешно внесен в список в разделе «Проекты». После просмотра соответствующего проекта щелкните переключатель и выберите «Развернуть на устройство» справа вверху.
На странице «Целевое устройство» необходимо выбрать свое устройство и нажать кнопку «Обзор». .
Появится дополнительная страница с подробной информацией о вашем развертывании, включая информацию о «Тип», «Лямбда» и «Модель». После тщательной проверки нажмите кнопку «Развернуть», чтобы продолжить.
При нажатии на «Развернуть» ваша модель будет загружена на ваше устройство, и процент загрузки будет отображаться в AWS DeepLens.
После развертывания на вкладке «Устройства» после развертывания проекта нажмите «Просмотреть выходные данные», чтобы выберите свой браузер для импорта соответствующей сертификации потоковой передачи.
Выход модели
Есть 2 разных способа просмотреть выходные данные нашей модели. Они перечислены ниже и объясняются в отдельных разделах.
- Вывод MQTT в формате JSON с тематическим значением
- Поток проекта
- AWS IoT Core - ценность темы MQTT
После того, как вы успешно импортировали свой сертификат, ваш браузер попросит вас выбрать соответствующую версию вашего сертификата во всплывающем окне.
Если вы хотите получить вывод в формате JSON, вы можете Скопировать уникально созданную тему и нажать Консоль AWS IoT , чтобы открыть службу AWS IoT Core.
После копирования темы в следующем формате «$ aws / things / deeplens_<uuid> / infer», вставьте ее в «Подписаться на тему» и нажмите кнопку «Опубликовать в теме».
После нажатия кнопки «Опубликовать в теме» результаты в формате JSON начали публиковаться. Если вы хотите прекратить публикацию, вы можете выбрать «Пауза» справа вверху.
2. Поток проекта
После импорта сертификата для нашего браузера мы можем щелкнуть «Просмотр видеопотока» в разделе «Потоковое видео» , чтобы открыть новую вкладку с IP-адресом «192.168.1.47:4000».
Когда поток включен на указанном IP-адресе, мы видим две разные вкладки. Первая вкладка называется Поток проекта - это поток, в котором была применена наша модель обнаружения объектов. В этом потоке мы видим синие рамки вокруг объектов, а в верхней части кадров обнаружены имена объектов с их процентами правдоподобия. Не все объекты в кадре можно распознать, поскольку модель была обучена на ограниченном количестве объектов. Если мы хотим обнаружить больше объектов, чем предварительно обученная модель обнаружения объектов, нам необходимо импортировать нашу настраиваемую модель с помощью импорта внешней настраиваемой модели.
Второй поток называется «Live Stream».. Когда мы выбираем эту вкладку, мы можем просматривать обычный поток камеры, который показывает кадры быстрее, чем «Project Stream», поскольку это не так. нанесение любой модели на объекты.
Вопросы и комментарии приветствуются!
