Entrenamiento de un Modelo Personalizado de Detección de Defectos en Visión por Computadora Utilizando Amazon SageMaker

0
1
Train custom computer vision defect detection model using Amazon SageMaker

El 10 de octubre de 2024, Amazon anunció la discontinuación del servicio Amazon Lookout for Vision, programado para cerrarse el 31 de octubre de 2025. Este cambio lleva consigo la recomendación de Amazon Web Services (AWS) a sus usuarios para que migren sus aplicaciones de visión por computadora a Amazon SageMaker AI, una plataforma que permite construir modelos de inteligencia artificial y aprendizaje automático para inspección de calidad automatizada. Para facilitar esta transición, AWS ha hecho disponible un modelo de detección de defectos de visión por computadora en el AWS Marketplace, el cual puede ser ajustado para adaptarse a casos específicos de los clientes.

El modelo de detección de defectos proporciona a los clientes la flexibilidad de continuar utilizando la tecnología de AWS para la detección de fallos a su propio ritmo. Este enfoque otorga mayores opciones para entrenar modelos, como la posibilidad de usar instancias de mayor capacidad para acelerar los tiempos de entrenamiento y ajustar parámetros del modelo que antes no estaban disponibles en la consola de AWS. Además, los usuarios pueden personalizar la duración máxima de entrenamiento, significativamente restringida en Amazon Lookout for Vision.

AWS también ha actualizado el repositorio de GitHub relacionado con Amazon Lookout for Vision, incluidos recursos útiles como un cuaderno de Jupyter diseñado para ayudar a los usuarios a entrenar conjuntos de datos con dos tipos de modelos: clasificación binaria y segmentación semántica. Una vez que se haya entrenado el modelo, se puede desplegar utilizando un punto final de SageMaker o en dispositivos de borde.

Para gestionar el proceso de etiquetado de imágenes necesarias para el entrenamiento, los usuarios pueden utilizar Amazon SageMaker Ground Truth para habilitar el etiquetado a través de un equipo privado o mediante soluciones de socios como Edge Impulse, Roboflow o SuperbAI. Esta colaboración se espera facilite la transición hacia un sistema más eficiente para la gestión de conjuntos de datos, aunque se perderían herramientas de gestión de datos que ofrecía la consola de Amazon Lookout for Vision.

En cuanto a la arquitectura del sistema, el flujo de trabajo abarca desde la adquisición de imágenes hasta la inferencia en el borde, con múltiples pasos que incluyen la configuración de cámaras y sensores, el etiquetado de imágenes, el entrenamiento del modelo y la publicación de resultados para análisis y monitoreo. Para llevar a cabo estas tareas, es esencial contar con los permisos adecuados de AWS y una cuenta activa en la plataforma, además de habilidades básicas en la creación de instancias de SageMaker y el uso de cuadernos Jupyter.

El cierre de Amazon Lookout for Vision representa un cambio significativo para sus usuarios, pero también abre nuevas oportunidades a través de Amazon SageMaker AI, que promete una experiencia de usuario más versátil y capacidades mejoradas en la construcción de modelos de visión por computadora para diversas aplicaciones industriales.
vía: AWS machine learning blog