Практический пример использования AWS S3 Object Lambda для нанесения водяных знаков на изображение с метаданными «на лету» с помощью Amazon Rekognition, искусственного интеллекта и машинного обучения, включая репозиторий кода, написанный на TypeScript и Serverless Framework, а также визуальные эффекты.

Вступление

В следующей статье показан пример использования Amazon S3 Object Lambda , нанесение водяных знаков на изображения на лету с метаданными, созданными AI/ML из Amazon Rekognition .

Вы можете получить доступ к репозиторию кода здесь, который содержит подробные комментарии для ясности.

Обратите внимание, что это минимальный код и архитектура для демонстрации использования изображений с водяными знаками на лету, поэтому это не готово к производству и не соответствует передовым методам кодирования .

Что мы строим? ️

На приведенной ниже диаграмме показана архитектура, которую мы строим в репозитории:

Шаги архитектуры:

1. Пользователь запрашивает изображение через API шлюза API по идентификатору ( 1,2 или 3 ).
2. Шлюз API вызывает функцию Get Image Lambda .
3. Лямбда-выражение получает доступ к соответствующему изображению с помощью точки доступа S3 Object Lambda Access Point.
4. Генерация изображения Lambda вызывается, когда изображение запрашивается автоматически.
5. Лямбда-выражение извлекает существующее изображение с помощью внутреннего предварительно подписанного URL-адреса в случае создания лямбда-изображения, вызывает Amazon Rekognition с изображением, а затем создает водяной знак на изображении на основе меток, возвращенных из Amazon Rekognition.
6. Base64 обновленного образа возвращается пользователю через API Gateway в ответе.

Как выглядят изображения до и после? ‍

Ниже приведен пример изображений в том виде, в каком они находятся в корзине S3, а также то, как они выглядят после запроса с помощью команды Get Object через точку доступа S3 Object Lambda:

Как видно из приведенных выше изображений, мы пропускаем изображение через AI/ML с помощью Amazon Rekognition, чтобы извлечь соответствующие метки изображения и наложить их на изображение при запросе изображения.

«Не стесняйтесь заменять свои собственные тестовые изображения с именами 1.png, 2.png и 3.png в папке ресурсов, чтобы увидеть, как они генерируются»

Какие услуги мы используем?

Во время урока мы будем использовать следующие сервисы, которые подробно описаны ниже:

Лямбда объекта AWS S3

S3 Object Lambda позволяет нам манипулировать копией изображения, когда оно запрашивается из корзины. В нашем сценарии это означает пометить изображение водяным знаком с метаданными, но мы также можем выполнять другие действия с объектами, например, редактировать PII или возвращать изображение другого размера.

«Вы можете использовать пользовательский код для изменения данных, возвращаемых стандартными запросами S3 GET, для фильтрации строк, динамического изменения размера изображений, редактирования конфиденциальных данных и многого другого».

S3 Object Lambda работает с вашими существующими приложениями и использует функции AWS Lambda для автоматической обработки и преобразования ваших данных по мере их извлечения из S3. Функция Lambda вызывается встроенным с помощью стандартного запроса S3 GET , поэтому вам не нужно изменять код приложения.

Таким образом, вы можете легко представить несколько представлений из одного и того же набора данных, и вы можете обновить функции Lambda, чтобы изменить эти представления в любое время.

Признание Амазонки

Мы используем Amazon Rekognition для автоматического распознавания метаданных ( меток ) об изображениях, которые мы передаем ему, используя AI/ML. В нашем примере изображений выше мы передаем ему изображение бульдога и возвращаем метаданные « французский бульдог, бульдог, собака, домашнее животное, собака ».

«С помощью Amazon Rekognition вы можете идентифицировать объекты, людей, текст, сцены и действия на изображениях и видео, а также обнаруживать любой неприемлемый контент».

Amazon Rekognition упрощает добавление анализа изображений и видео в ваши приложения с помощью проверенной, хорошо масштабируемой технологии глубокого обучения, для использования которой не требуется специальных знаний в области машинного обучения. С помощью Amazon Rekognition вы можете идентифицировать объекты, людей, текст, сцены и действия на изображениях и видео, а также обнаруживать любой неприемлемый контент. Amazon Rekognition также предоставляет возможности высокоточного анализа лиц и поиска лиц, которые можно использовать для обнаружения, анализа и сравнения лиц для самых разных целей проверки пользователей, подсчета людей и использования в целях общественной безопасности.

Развертывание решения! ‍

Примечание . За выполнение следующих команд будет взиматься плата с вашей учетной записи AWS, поэтому измените конфигурацию соответствующим образом .

В корне папки запустите, npm iа затем npm run deploy:developустановите все зависимости, а затем разверните на AWS.

Тестируем API!

Теперь вы можете протестировать конечную точку, используя файл Postman в файле ./postman folder, и нажав запрос « Получить изображение » с идентификатором изображения 1, 2 или 3 ( как показано на снимке экрана ниже ):

Это вернет строку base64 обработанного изображения, которую вы можете просмотреть, скопировав возвращенное значение свойства ' image ' на следующий веб-сайт:https://codebeautify.org/base64-to-image-converter

Подведение итогов

Я надеюсь, что вы нашли это полезным в качестве легкого примера манипулирования изображениями на лету с вашими собственными бессерверными решениями! Теперь вы можете дать волю своему воображению и манипулировать любыми объектами, возвращаемыми из S3!

Я хотел бы связаться с вами по любому из следующих вопросов:

https://www.linkedin.com/in/lee-james-gilmore/
https://twitter.com/LeeJamesGilmore

Если вы нашли статьи вдохновляющими или полезными, не стесняйтесь поддержать меня виртуальным кофе.https://www.buymeacoffee.com/leegilmoreи в любом случае позволяет подключиться и общаться! ☕️

Если вам понравились посты, пожалуйста, подпишитесь на мой профиль Lee James Gilmore для дальнейших постов/серий, и не забудьте подключиться и сказать привет

Пожалуйста, также используйте функцию «хлопать» внизу поста, если вам понравилось! ( Вы можете хлопать более одного раза!! )

Эта статья спонсируется Sedai.io

Если вам понравилась эта статья, вам также могут понравиться следующие:

Обо мне

« Здравствуйте, я Ли, сертифицированный AWS технический архитектор и ведущий инженер-программист из Великобритании, в настоящее время работаю техническим облачным архитектором и главным бессерверным разработчиком, последние 5 лет работая в основном над полным стеком JavaScript на AWS.

Я считаю себя бессерверным евангелистом, который любит все, что связано с AWS, инновациями, программной архитектурой и технологиями. ”

** Предоставленная информация является моим личным мнением, и я не несу никакой ответственности за использование информации. ***