Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Amazon Lookout for VisionとRaspberry Pi “Zero から...

SORACOM
March 14, 2021

Amazon Lookout for VisionとRaspberry Pi “Zero から始める「欠陥品」生活”/anormaly-detection-with-amazon-lookout-for-vision-and-raspberry-pi-from-zero

機械学習(ML)を取り巻く環境は、近年劇的に進化しています。中でもデータさえ用意すればMLが始められる "AutoML" アルゴリズムやパラメータ調整を知らなくてもMLを活用できる仕組みとして、AWSでもAmazon Lookout for シリーズとして利用できるようになりました。本セッションでは欠陥品を画像から判別する「Amazon Lookout for Vision」の利用手順を始め、現場で利用しやすい小型コンピュータ「Raspberry Pi」と組み合わせる方法や、データの準備方法をご紹介します。
※2021/3/14 JAWS DAYS 2021 プレイベント(https://jawsdays2021.jaws-ug.jp/pre-event-timetable/pre-event-1550/) にて、ソラコム松下より紹介した資料です。

SORACOM

March 14, 2021
Tweet

More Decks by SORACOM

Other Decks in Technology

Transcript

  1. Amazon Lookout for VisionとRaspberry Pi “Zero から始める「欠陥品」生活” JAWS DAYS 2021

    プレイベント Mar. 14, 2021 株式会社ソラコム テクノロジー・エバンジェリスト 松下享平 / Max @ma2shita
  2. 株式会社ソラコム テクノロジー・エバンジェリスト 松下享平 (まつした こうへい) "Max" 講演回数 140超/2018年 保有スライド 1万枚超(もはやわからん)

    オーバーラン常習犯 JAWS-UG IoT 専門支部 好きな AWS サービス • AWS IoT Core • AWS IoT Events • awscli @ma2shita お気軽にフォローを!
  3. Raspberry Pi Amazon Lookout for Vision 正常 or 異常 Amazon

    Lookout for VisionとRaspberry Pi “Zero から始める「欠陥品」生活” インターネット
  4. クラウド ネットワーク センサー/デバイス “モノ” 長距離の無線通信で簡単にクラウドへ接続 中継器 アクセスポイント等 ネット回線 IoT は

    モノやコトをデジタル化してクラウドで活用 SORACOM は IoT の「つなぐ」を簡単に 閉域接続 回線管理 ダッシュボード クラウド連携 遠隔アクセス デバイス管理 IoT とは? SORACOM とは?
  5. AWS と IoT の話なら 3/20 JAWS DAYS 2021 Bトラック 14:20

    ~ IoT とは? SORACOM とは? Amazon API Gateway AWS IoT Core
  6. ズレないようにラベリング ボタンを “ポチっ” → AWS Lambda 起動できる IoT ボタン SORACOM

    LTE-M Button powered by AWS SORACOM LTE-M Button for Enterprise CV(コンピュータービジョン)の背景とAmazon Lookout for Vision
  7. https://aws.amazon.com/jp/blogs/news/aws-reinvent-recap-aiml-seminar-for-biopharma/ Amazon EC2で DBサーバを構築 Amazon Aurora や RDS Amazon Lightsailで

    WordPressや Redmine Amazon Lookout for Vision は “AI サービス” CV(コンピュータービジョン)の背景とAmazon Lookout for Vision
  8. 目的に特化してるからこそ、ハマれば強い EC2 に TensorFlow 入れば できるよね “ Amazon SageMaker で

    できるよね “ Amazon Lookout for Vision は 「画像から正常/異常を判定」に特化した AI サービス CV(コンピュータービジョン)の背景とAmazon Lookout for Vision
  9. Amazon Lookout for Vision ➢ 向いているコト、他サービスを検討する時 ➢ 使う際の注意点 ➢ 活用アイデア

    ➢ アプリケーションへの組み込み方法 ➢ 最大の壁「画像を集める方法」 Zero から始める Amazon Lookout for Vision
  10. Amazon Lookout for Vision 向いているコト 正常 / 異常の2値分類 3種類以上の分類 正常

    保留… 異常 正常 正常 異常 Amazon Lookout for Vision 向け ワークロード ✓ 🤔 他サービスの利用を検討 Amazon Rekognition、 Amazon SageMaker 等 Zero から始める Amazon Lookout for Vision
  11. Amazon Lookout for Vision 活用時の注意点 ➢ 学習時と推論要求時の画像ファイルの品質を 合わせておこう • ピント、色味、背景、トリミングといった画像調整は対象外

    • 特に縦横サイズが学習時と推論時で異なるとエラー発生 ➢ ワークロードが最大となるように働かせよう • インスタンス稼働時間による課金タイプ • DetectAnomaies のクオータ(TPS)にも注意 ➢ Confidence(信頼度) も見るようにしよう Zero から始める Amazon Lookout for Vision
  12. Amazon Lookout for Vision 「信頼度」で中間分類を実現する TIPS 結果 (IsAnomalous) 正常 正常

    異常 最終判断 正常 保留 異常 信頼度 (Confidence) 89% 34% 77% 条件付け 60% > Confidence を “保留” とする Zero から始める Amazon Lookout for Vision
  13. Amazon Lookout for Vision 活用アイデア ラベルのズレ スイッチの状況 在庫の有無 メーター監視 傷モノ検査

    ※ Amazon Lookout for Vision 説明ページより Zero から始める Amazon Lookout for Vision
  14. 「ふじ」 or 「NOT ふじ」 Zero から始める Amazon Lookout for Vision

    https://qiita.com/tsukamoto/items/c321d19b9b7362525da5
  15. Amazon Lookout for Vision アプリケーションへの組み込み方法 AWS CLI boto3 import boto3

    lv = boto3.client('lookoutvision’) r = lv.detect_anomalies(...) API https://boto3.amazonaws.com/v1/documentation/api /latest/reference/services/lookoutvision.html https://docs.aws.amazon.com/lookout-for- vision/latest/APIReference/Welcome.html 既存システムへの組み込み AWS Lambdaとの連携 API Gateway からの 直接呼び出し Zero から始める Amazon Lookout for Vision
  16. Amazon Lookout for Vision Raspberry Pi 等の Linux OSから AWS

    CLI 準備 $ sudo apt install fswebcam > AWS CLI v2 インストール 撮影と推論 $ fswebcam -d /dev/video0 -S 60 -r 1280x720 --no-banner image.jpg $ aws lookoutvision detect-anomalies --project-name labeling_anomaly_detect ¥ --model-version 1 --content-type=image/jpeg --body image.jpg Zero から始める Amazon Lookout for Vision
  17. 学習用データを集めてたら「仕事が終わってた」問題 ML学習用の画像として 正常を30枚、異常を30枚 集めてね! うーん、ラベル貼りの作業で 異常が出るのって 1%くらいかな 異常を30枚用意するには 3000個のラベル貼りが必要 MLによる判定が可能になるのは

    3001個目から ➢ 規模が小さいから始めたはずが、大規模に。 もし発注が1000個だったら ➢ データが集まらず「始まらない」。 ※これでも少ない方 ※大体もっと低い ML投入前に「仕事、終わっちゃいましたよ!」 現場に投入されにくい要因 ML学習用の画像収集
  18. Photoshop や ImageMagick で 作り出す $ for X in $(321

    325) ; ¥ do for Y in $(246 251) ; ¥ do composite -verbose -geometry +${X}+${Y} -compose over label.png base.jpg ${X}-${Y}.jpg ; ¥ done ; done 2枚のレイヤーを ImageMagick で合成 ML学習用の画像収集
  19. 経験 Zeroでも、できました! https://qiita.com/ma2shita/items/c9d0e5a981c02cf58c5e Raspberry Pi Zero 最近発売となった SORACOM Onyx LTE

    USB ドングル 3/17 SORACOM Device Meetupで この解説します! Amazon Lookout for VisionとRaspberry Pi “Zeroから始める「欠陥品」生活”