Wichtig: Ab dem 30. August 2023 wird Inhaltsanalyse in AWS nicht mehr unterstützt und das GitHub-Repository wird archiviert. Bestehende Bereitstellungen werden weiterhin ausgeführt. Wenn Sie Inhaltsanalyse in AWS über das Klonen von GitHub-Open-Source-Code bereitgestellt haben, können Sie die Lösung weiterhin verwenden.
Die Funktionen von Inhaltsanalyse in AWS werden durch die Funktionen von Media2Cloud on AWS und Inhaltslokalisierung in AWS abgelöst. Wir ermutigen Sie, diese Lösungen zu erkunden.
Übersicht
Die Inhaltsanalyse-Lösung auf AWS hilft Ihnen, eine automatisierte Videoinhaltsanalyse mit einem Serverless-Anwendungsmodell durchzuführen, um mithilfe von durch Machine Learning (ML) generierten Metadaten wichtige Erkenntnisse zu gewinnen. Diese Lösung bietet Zugriff auf eine Vielzahl von AWS-KI-Services, die Sie auf Ihre Mediatheken anwenden und dann Erkenntnisse und Metadaten verwenden können, um manuelle Prozesse zu automatisieren. Die Lösung umfasst eine webbasierte Benutzeroberfläche, um Ihre Video-Bibliotheken hochzuladen und zu durchsuchen.
Die Lösung der Inhaltsanalyse auf AWS vereint Amazon Rekognition, Amazon Transcribe, Amazon Translate und Amazon Comprehend, um eine Suite umfassender Funktionen zur Analyse des Videoinhalts eines Kunden anzubieten. Die Lösung ist eine maßgeschneiderte Anwendung, die auf dem Media-Insights-on-AWS-Entwicklungs-Framework basiert.
Die Lösung bietet eine einzige Anwendung für den Einsatz mehrerer Machine Learning-Services, was Kunden den Einstieg in die Nutzung dieser Services erleichtert. Die Lösung automatisiert auch manuelle Prozesse einschließlich der Generierung von Metadaten und durchsucht Metadaten von mehreren Machine Learning-Services an einem einzigen Ort.
Vorteile
Profitieren Sie von einer hochpräzisen Erkennung von Objekten, Szenen und Aktivitäten, von der Identifizierung von Personen und Pfaden sowie von der Erkennung von Prominenten in Videos.
Laden Sie mithilfe einer einfachen webbasierten Benutzeroberfläche Videosammlungen sofort hoch, analysieren und durchsuchen Sie diese.
Media Insights bietet ein Framework, um Entwicklern das Erstellen von Anwendungen zu vereinfachen, die Videos auf AWS transformieren oder analysieren.
Automatisieren Sie das Generieren von Metadaten und andere manuelle Prozesse anhand einer einzigen Anwendung. Reduzieren Sie die erforderliche menschliche Beteiligung an der Katalogisierung von Videoarchiven für die Suche erheblich.
Technische Details
Das folgende Diagramm zeigt den Ablauf der Serverless-Architektur, den Sie dank des Leitfadens zur Lösungsimplementierung und der dazugehörigen AWS-CloudFormation-Vorlage automatisch bereitstellen können.
Schritt 1
Eine Amazon-CloudFront-Distribution zur Bereitstellung der statischen Inhaltsanalyse-Webanwendung.
Schritt 2
Ein Amazon-Simple-Storage-Service-Web-Source-Bucket (Amazon S3) für das Hosting der statischen Webanwendung.
Schritt 3
Einen Amazon-Cognito-Benutzerpool zur Bereitstellung eines Benutzerverzeichnisses.
Schritt 4
Ein Amazon-Cognito-Identitätspool, um einen Verbund mit AWS Identity and Access Management (IAM) für die Authentifizierung und Autorisierung für die Web-UI bereitzustellen.
Schritt 5
Eine Amazon API Gateway REST API für die Steuerungsebene, um Datei-Uploads zu projizieren und Workflow-Vorgänge von der Web-UI zu Amazon S3 und AWS Step Functions zu steuern. AWS-IAM-Rollen werden für den Betrieb der API erstellt.
Schritt 6
Eine AWS-Lambda-API-Handler-Funktion zur Unterstützung der REST-API der Steuerungsebene.
Schritt 7
Amazon-DynamoDB-Tabellen zum Speichern von Systemparametern, Workflow-Definitionen, Workflow-Status, Workflow-Ausführungshistorie und anderen workflowbezogenen Daten.
Schritt 7
Ein AWS-Glue-Workflow wird täglich um 1:00 Uhr (UTC) aktiviert. Der Workflow startet AWS-Glue-Aufgaben, die die Rohdaten verarbeiten und die Ergebnisse im Amazon-S3-Bucket für verarbeitete Daten speichern. Dann startet der Workflow einen AWS-Glue-Crawler, der den AWS Glue Data Catalog aktualisiert.
Schritt 8
Amazon-Simple-Queue-Service-Ressourcen (Amazon SQS), um die Gesamtzahl der gleichzeitig laufenden Workflows auf ein konfigurierbares Maximum zu begrenzen.
Schritt 9
Eine Lambda-Funktion zur Überprüfung und Aufzeichnung des Workflow-Laufstatus in DynamoDB.
Schritt 10
Zwei AWS-Step-Functions-Workflows bestehend aus Lambda-Funktionen, die Medienanalyseaufträge in Amazon Rekognition, Amazon Transcribe, Amazon Translate, AWS Elemental MediaConvert und Amazon Comprehend ausführen. Diese Lambda-Funktionen interagieren auch mit der Datenebene, um Medienobjekte und Metadaten, die von Medienanalyseaufträgen zurückgegeben werden, zu speichern und abzurufen.
Schritt 11
Eine API Gateway REST API für CRUD-Funktionen in der Datenebene.
Schritt 12
Eine Lambda-API-Handler-Funktion zur Unterstützung der REST-API der Datenebene.
Schritt 13
Eine DynamoDB-Tabelle zum Aufzeichnen von Beziehungen zwischen Metadaten, Medienobjekten und benutzerdefinierten Mediendateien.
Schritt 14
Ein Amazon-S3-Bucket zum Speichern hochgeladener Videodateien, abgeleiteter Metadatenergebnisse und abgeleiteter Medienobjekte wie Miniaturansichten, Audiodateien und transkodierter Videodateien.
Schritt 15
Amazon-Kinesis-Data-Streams-Ressourcen zur Bereitstellung einer Schnittstelle für Amazon OpenSearch Service für den Zugriff auf Medienmetadaten über einen Stream zur Erfassung von Änderungsdaten, der CRUD-Vorgänge in der DynamoDB-Tabelle widerspiegelt.
Schritt 16
Eine Lambda-Funktion zum Extrahieren, Transformieren und Laden von Medienmetadaten aus der DynamoDB-Tabelle in einen Amazon-OpenSearch-Service-Cluster.
Schritt 17
Ein Amazon-OpenSearch-Service-Cluster zum Indexieren von Medien-Metadaten.
Schritt 1
Eine Amazon-CloudFront-Distribution zur Bereitstellung der statischen Inhaltsanalyse-Webanwendung.
Schritt 2
Ein Amazon-Simple-Storage-Service-Web-Source-Bucket (Amazon S3) für das Hosting der statischen Webanwendung.
Schritt 3
Einen Amazon-Cognito-Benutzerpool zur Bereitstellung eines Benutzerverzeichnisses.
Schritt 4
Ein Amazon-Cognito-Identitätspool, um einen Verbund mit AWS Identity and Access Management (IAM) für die Authentifizierung und Autorisierung für die Web-UI bereitzustellen.
Schritt 5
Eine Amazon API Gateway REST API für die Steuerungsebene, um Datei-Uploads zu projizieren und Workflow-Vorgänge von der Web-UI zu Amazon S3 und AWS Step Functions zu steuern. AWS-IAM-Rollen werden für den Betrieb der API erstellt.
Schritt 6
Eine AWS-Lambda-API-Handler-Funktion zur Unterstützung der REST-API der Steuerungsebene.
Schritt 7
Amazon-DynamoDB-Tabellen zum Speichern von Systemparametern, Workflow-Definitionen, Workflow-Status, Workflow-Ausführungshistorie und anderen workflowbezogenen Daten.
Schritt 7
Ein AWS-Glue-Workflow wird täglich um 1:00 Uhr (UTC) aktiviert. Der Workflow startet AWS-Glue-Aufgaben, die die Rohdaten verarbeiten und die Ergebnisse im Amazon-S3-Bucket für verarbeitete Daten speichern. Dann startet der Workflow einen AWS-Glue-Crawler, der den AWS Glue Data Catalog aktualisiert.
Schritt 8
Amazon-Simple-Queue-Service-Ressourcen (Amazon SQS), um die Gesamtzahl der gleichzeitig laufenden Workflows auf ein konfigurierbares Maximum zu begrenzen.
Schritt 9
Eine Lambda-Funktion zur Überprüfung und Aufzeichnung des Workflow-Laufstatus in DynamoDB.
Schritt 10
Zwei AWS-Step-Functions-Workflows bestehend aus Lambda-Funktionen, die Medienanalyseaufträge in Amazon Rekognition, Amazon Transcribe, Amazon Translate, AWS Elemental MediaConvert und Amazon Comprehend ausführen. Diese Lambda-Funktionen interagieren auch mit der Datenebene, um Medienobjekte und Metadaten, die von Medienanalyseaufträgen zurückgegeben werden, zu speichern und abzurufen.
Schritt 11
Eine API Gateway REST API für CRUD-Funktionen in der Datenebene.
Schritt 12
Eine Lambda-API-Handler-Funktion zur Unterstützung der REST-API der Datenebene.
Schritt 13
Eine DynamoDB-Tabelle zum Aufzeichnen von Beziehungen zwischen Metadaten, Medienobjekten und benutzerdefinierten Mediendateien.
Schritt 14
Ein Amazon-S3-Bucket zum Speichern hochgeladener Videodateien, abgeleiteter Metadatenergebnisse und abgeleiteter Medienobjekte wie Miniaturansichten, Audiodateien und transkodierter Videodateien.
Schritt 15
Amazon-Kinesis-Data-Streams-Ressourcen zur Bereitstellung einer Schnittstelle für Amazon OpenSearch Service für den Zugriff auf Medienmetadaten über einen Stream zur Erfassung von Änderungsdaten, der CRUD-Vorgänge in der DynamoDB-Tabelle widerspiegelt.
Schritt 16
Eine Lambda-Funktion zum Extrahieren, Transformieren und Laden von Medienmetadaten aus der DynamoDB-Tabelle in einen Amazon-OpenSearch-Service-Cluster.
Schritt 17
Ein Amazon-OpenSearch-Service-Cluster zum Indexieren von Medien-Metadaten.
Ähnliche Inhalte
Wir freuen uns, die Verfügbarkeit von Lösungen durchAWS Media Intelligence (AWS MI) anzukündigen, einer Kombination von Services, mit denen Sie KI ganz einfach in Ihre Arbeitsabläufe für Medieninhalte integrieren können.
In diesem Kurs wird erklärt, wie Sie einen Workflow zur automatischen Generierung von Untertiteln, Untertiteln in anderen Sprachen und Audiospuren in anderen Sprachen mithilfe der KI-Services von Amazon erstellen können: Amazon Transcribe, Amazon Translate und Amazon Polly.
Diese Kursreihe vermittelt ein Verständnis dafür, wie künstliche Intelligenz (AI) zu Machine Learning (ML) und letztlich zu Deep Learning (DL) geführt hat.
In diesem Kurs wird erklärt, wie Sie einen Workflow zur automatischen Generierung von Untertiteln, Untertiteln in anderen Sprachen und Audiospuren in anderen Sprachen mithilfe der KI-Services von Amazon erstellen können: Amazon Transcribe, Amazon Translate und Amazon Polly.