การจดจำรูปแบบด้วย Rekognition

Python เบื้องต้นสำหรับ AWS Boto

Maksim Pecherskiy

Instructor

Rekognition

Rekognition คืออะไร?

การตรวจจับวัตถุในภาพ

ตรวจจับวัตถุในภาพ

การดึงข้อความจากภาพ

ดึงข้อความจากภาพ

ทำไมไม่สร้างโมเดลเอง?

ใช้ Rekognition เมื่อ:

ต้องการความเร็วและความแม่นยำที่ดี
ต้องการโค้ดที่เรียบง่าย
ต้องจดจำสิ่งต่าง ๆ หลายอย่าง

สร้างโมเดลเองเมื่อ:

มีความต้องการเฉพาะทาง
มีข้อกังวลด้านความปลอดภัย
ปริมาณข้อมูลขนาดใหญ่

ภาพหน้าจอ Rekognition

ฉันไม่ใช่ผู้เชี่ยวชาญด้าน Computer Vision

ไม่ใช่ผู้เชี่ยวชาญด้าน Computer Vision

เอกสาร AWS

เอกสาร BOTO

อัปโหลดภาพไปยัง S3

เริ่มต้น S3 Client

s3 = boto3.client(
  's3', region_name='us-east-1', 
  aws_access_key_id=AWS_KEY_ID, aws_secret_access_key=AWS_SECRET
)

อัปโหลดไฟล์

s3.upload_file(
  Filename='report.jpg', Key='report.jpg', 
  Bucket='datacamp-img')

การตรวจจับวัตถุ

เริ่มต้น Client

rekog = boto3.client(
  'rekognition',
  region_name='us-east-1', 
  aws_access_key_id=AWS_KEY_ID, 
  aws_secret_access_key=AWS_SECRET)

เริ่มต้น Rekognition Client

การตรวจจับวัตถุ

ตรวจจับ!

response = rekog.detect_labels(
  Image={'S3Object': {
          'Bucket': 'datacamp-img', 
          'Name': 'report.jpg'
        },

    MaxLabels=10,
    MinConfidence=95
)

การตรวจจับวัตถุ

การตอบกลับจาก detect_labels

การตอบกลับจาก Detect Labels

การตรวจจับข้อความ

ตรวจจับข้อความ

response = rekog.detect_text(
  Image={'S3Object': 
          {
            'Bucket': 'datacamp-img', 
            'Name': 'report.jpg'
          }
        }
)

ผลลัพธ์จากการตรวจจับข้อความ

สรุป

ตรวจจับวัตถุในภาพ
นับจำนวนวัตถุ
เรียนรู้บริการ AWS ใหม่

Rekognition

.detect_labels()

จดจำข้อความในภาพ
การตรวจจับระดับคำและระดับบรรทัด
เมื่อไหร่ควรสร้างโมเดลเอง

การตรวจจับข้อความ

.detect_text()

มาฝึก Computer Vision กันเถอะ!

Python เบื้องต้นสำหรับ AWS Boto