AWS DeepLens の新しい 2 つのサンプルプロジェクト (ステップバイステップガイド付き) の紹介

AWS DeepLens の新しい 2 つのサンプルプロジェクト、「Build a worker safety system」と 「Who drinks the most coffee?」のリリースを発表します。これらのサンプルプロジェクトで提供される手順ガイドに従うと、AWS でコンピュータビジョンを使用して完全な機能を備えた機械学習アプリケーションを構築することができます。そうしたアプリケーションはエッジとクラウドにまたがって、デバイス上で実行されるモデルとクラウド上の AWS のサービスを統合します。このサンプルプロジェクトはステップバイステップの手順で構成されていて、コードと動画チュートリアルを備えているため、開発者はアプリケーションをゼロから構築可能です。

AWS DeepLens は世界初の深層学習対応ビデオカメラで、あらゆるスキルレベルの開発者による深層学習の開始をサポートします。AWS DeepLens の新しいエディション (2019 年版) は現在、6 か国 (米国、イギリス、ドイツ、フランス、スペイン、イタリア、およびカナダ) で購入可能です。日本では先行予約を受付中です。 2019 年エディションではセットアップがより簡素化し、(Amazon SageMaker Neo のおかげで) 機械学習モデルを旧エディションの最大 2 倍の速さで実行できるようになっています。

充実したガイドを備えたサンプルプロジェクトを開始するには、AWS DeepLens マネジメントコンソールにアクセスします。ナビゲーションペインで [Recipes] をクリックし、最新のステップバイステップチュートリアルにアクセスします。レシピを選択し、表示される手順に従って機械学習アプリケーションを構築します。AWS DeepLens マネジメントコンソールは、アジアパシフィック (東京)、欧州 (フランクフルト)、米国東部 (バージニア北部) リージョンで利用可能です。

次のレシピが利用可能です。

1) Build a worker safety system

AWS DeepLens および Amazon Rekognition を使用して、建設現場にいる人が適切な安全装備 (このレシピではヘルメット) を身に付けているかどうかを識別するアプリケーションを構築します。開発者はこのレシピで、AWS DeepLens で利用可能な顔検出モデルを使用し、検出した顔を S3 にアップロードしてさらなる処理を行う方法を学べます。また、S3 アップロードでトリガーされ、Amazon Rekognition と統合して、ヘルメットを装着していない人を検出する Lambda 関数の記述方法も学べます。ヘルメットが検出されなかった場合、Lambda 関数は Amazon CloudWatch に違反ログを送信し、AWS IoT を介してアラートを送信します。さらに、アラートをリアルタイムに表示するウェブポータルの構築方法も学べます。

2) Who drinks the most coffee?

人が飲んでいるコーヒーの杯数をカウントし、記録をスコアボードに表示するアプリケーションの構築方法を学べます。このレシピでは顔検出を使用してコーヒーを飲む人の数を追跡します。開発者はレシピの一環として、顔の検出によりトリガーされる Lambda 関数の記述方法を学べます。また、このレシピでは Amazon Rekognition によりコーヒーマグが検出され、開発者が保持する (かつ公開されない) DynamoDB データベースに顔の画像が追加されます。また、このレシピには、経時的にコーヒーの数を追跡するスコアボードも含まれています。

レシピに関する質問などがございましたら、AWS DeepLens 開発者フォーラムにてお問い合わせください。プロジェクトに関してインスピレーションを得たい場合は、AWS DeepLens コミュニティプロジェクトにアクセスして、動画、説明、GitHub リポジトリへのリンクを参照してみてください。

構築がうまくいきますように。

著者について

Jyothi Nookula は、AWS DeepLens のシニアプロダクトマネージャーです。お客様を喜ばせる製品の構築に情熱を捧げています。余暇には、絵を描いたり、美術展の寄付金調達を主催したりといったことを楽しんでいます。