Mendeteksi Label dalam Gambar Menggunakan Lambda dan Python

Masuk ke Konsol Manajemen AWS dan buka AWS Lambda konsol di https://console.aws.amazon.com/lambda/.

Pilih Buat fungsi. Untuk informasi selengkapnya, lihat Membuat Fungsi Lambda dengan Konsol.

Pilih opsi berikut:

Pilih Buat fungsi untuk membuat AWS Lambda fungsi.

Pada halaman fungsi, pilih tab Konfigurasi.

Pada panel Izin, di bawah Peran eksekusi, pilih nama peran untuk membuka peran di konsol IAM.

Di tab Izin, pilih Tambah izin lalu Buat kebijakan sebaris.

Pilih tab JSON dan ganti kebijakan dengan kebijakan berikut:

Pilih Tinjau kebijakan.

Masukkan nama untuk kebijakan, misalnya DetectLabels-access.

Pilih Buat kebijakan.

Jika Anda menyimpan dokumen untuk analisis di bucket Amazon S3, Anda harus menambahkan kebijakan akses Amazon S3. Untuk melakukan ini, ulangi langkah 7 hingga 11 di AWS Lambda konsol dan buat perubahan berikut.

1. Untuk langkah 8, gunakan kebijakan berikut. Ganti bucket/folder path dengan bucket Amazon S3 dan jalur folder ke dokumen yang ingin Anda analisis.

   JSON

   {
       "Version":"2012-10-17",
       "Statement": [
           {
               "Sid": "S3Access",
               "Effect": "Allow",
               "Action": "s3:GetObject",
               "Resource": "arn:aws:s3:::bucket/folder path/*"
           }
       ]
   }
   

2. Untuk langkah 10, pilih nama kebijakan yang berbeda, seperti S3Bucket-access.

Buka command prompt dan masukkan perintah berikut untuk membuat paket penerapan dengan versi terbaru AWS SDK.

pip install boto3 --target python/.
zip boto3-layer.zip -r python/
                

Perhatikan nama file zip (boto3-layer.zip), yang Anda gunakan pada langkah 8 prosedur ini.

Buka AWS Lambda konsol di https://console.aws.amazon.com/lambda/.

Di panel navigasi, pilih Layers (Lapisan).

Pilih Buat lapisan.

Masukkan nilai untuk Nama dan Deskripsi.

Untuk Jenis entri Kode, pilih Unggah file.zip dan pilih Unggah.

Di kotak dialog, pilih arsip file zip (boto3-layer.zip) yang Anda buat pada langkah 1 prosedur ini.

Untuk runtime yang kompatibel, pilih versi Python terbaru.

Pilih Cre ate untuk membuat layer.

Pilih ikon menu panel navigasi.

Di panel navigasi, pilih Fungsi.

Dalam daftar sumber daya, pilih fungsi yang Anda buat sebelumnyaBuat fungsi Lambda (konsol).

Pilih tab Kode.

Di bagian Layers, pilih Add a layer.

Pilih lapisan kustom.

Di lapisan kustom, pilih nama layer yang Anda masukkan pada langkah 6.

Dalam Versi pilih versi layer, yang seharusnya 1.

Pilih Tambahkan.

Arahkan ke tab Kode.

Di editor kode, ganti kode di lambda_function.py dengan kode berikut:

import boto3
import logging
from botocore.exceptions import ClientError
import json
import base64

# Instantiate logger
logger = logging.getLogger(__name__)

# connect to the Rekognition client
rekognition = boto3.client('rekognition')

def lambda_handler(event, context):

    try:
        image = None
        if 'S3Bucket' in event and 'S3Object' in event:
            s3 = boto3.resource('s3')
            s3_object = s3.Object(event['S3Bucket'], event['S3Object'])
            image = s3_object.get()['Body'].read()

        elif 'image' in event:
            image_bytes = event['image'].encode('utf-8')
            img_b64decoded = base64.b64decode(image_bytes)
            image = img_b64decoded


        elif image is None:
            raise ValueError('Missing image, check image or bucket path.')

        else:
            raise ValueError("Only base 64 encoded image bytes or S3Object are supported.")

        response = rekognition.detect_labels(Image={'Bytes': image})
        lambda_response = {
            "statusCode": 200,
            "body": json.dumps(response)
        }
        labels = [label['Name'] for label in response['Labels']]
        print("Labels found:")
        print(labels)

    except ClientError as client_err:

       error_message = "Couldn't analyze image: " + client_err.response['Error']['Message']

       lambda_response = {
           'statusCode': 400,
           'body': {
               "Error": client_err.response['Error']['Code'],
               "ErrorMessage": error_message
           }
       }
       logger.error("Error function %s: %s",
                    context.invoked_function_arn, error_message)


    except ValueError as val_error:

        lambda_response = {
            'statusCode': 400,
            'body': {
                "Error": "ValueError",
                "ErrorMessage": format(val_error)
            }
        }
        logger.error("Error function %s: %s",
                     context.invoked_function_arn, format(val_error))

    return lambda_response

Pilih De plo y untuk menerapkan fungsi Lambda Anda.

Jika Anda belum melakukannya, lakukan hal berikut:

1. Pastikan bahwa pengguna memiliki lambda:InvokeFunction izin. Anda dapat menggunakan kebijakan berikut:

   Anda bisa mendapatkan ARN untuk fungsi Lambda Anda dari ikhtisar fungsi di konsol Lambda.

   Untuk memberikan akses dan menambahkan izin bagi pengguna, grup, atau peran Anda:

   • Pengguna dan grup di AWS IAM Identity Center:

     Buat rangkaian izin. Ikuti instruksi di Buat rangkaian izin dalam Panduan Pengguna AWS IAM Identity Center .

   • Pengguna yang dikelola di IAM melalui penyedia identitas:

     Buat peran untuk federasi identitas. Ikuti instruksi dalam Buat peran untuk penyedia identitas pihak ketiga (federasi) dalam Panduan Pengguna IAM.

   • Pengguna IAM:

     • Buat peran yang dapat diambil pengguna Anda. Ikuti instruksi dalam Buat peran untuk pengguna IAM dalam Panduan Pengguna IAM.

     • (Tidak disarankan) Lampirkan kebijakan langsung ke pengguna atau tambahkan pengguna ke grup pengguna. Ikuti petunjuk dalam Menambahkan izin ke pengguna (konsol) dalam Panduan Pengguna IAM.

2. Instal dan konfigur AWS asikan SDK untuk Python. Untuk informasi selengkapnya, lihat Langkah 2: Siapkan AWS CLI and AWS SDK.

Simpan kode berikut ke file bernamaclient.py:

import boto3
import json
import base64
import pprint

# Replace with the name of your S3 bucket and image object key
bucket_name = "name of bucket"
object_key = "name of file in s3 bucket"
# If using a local file, supply the file name as the value of image_path below
image_path = ""

# Create session and establish connection to client['
session = boto3.Session(profile_name='developer-role')
s3 = session.client('s3', region_name="us-east-1")
lambda_client = session.client('lambda',  region_name="us-east-1")

# Replace with the name of your Lambda function
function_name = 'RekDetectLabels'

def analyze_image_local(img_path):

    print("Analyzing local image:")

    with open(img_path, 'rb') as image_file:
        image_bytes = image_file.read()
        data = base64.b64encode(image_bytes).decode("utf8")

        lambda_payload = {"image": data}

        # Invoke the Lambda function with the event payload
        response = lambda_client.invoke(
            FunctionName=function_name,
            Payload=(json.dumps(lambda_payload))
        )

        decoded = json.loads(response['Payload'].read().decode())
        pprint.pprint(decoded)

def analyze_image_s3(bucket_name, object_key):

    print("Analyzing image in S3 bucket:")

    # Load the image data from S3 into memory
    response = s3.get_object(Bucket=bucket_name, Key=object_key)
    image_data = response['Body'].read()
    image_data = base64.b64encode(image_data).decode("utf8")

     # Create the Lambda event payload
    event = {
        'S3Bucket': bucket_name,
        'S3Object': object_key,
        'ImageBytes': image_data
    }

    # Invoke the Lambda function with the event payload
    response = lambda_client.invoke(
            FunctionName=function_name,
            InvocationType='RequestResponse',
            Payload=json.dumps(event),
            )

    decoded = json.loads(response['Payload'].read().decode())
    pprint.pprint(decoded)

def main(path_to_image, name_s3_bucket, obj_key):

    if str(path_to_image) != "":
        analyze_image_local(path_to_image)
    else:
        analyze_image_s3(name_s3_bucket, obj_key)

if __name__ == "__main__":
    main(image_path, bucket_name, object_key)

Jalankan kode tersebut. Jika dokumen ada di ember Amazon S3. pastikan itu adalah bucket yang sama dengan yang Anda tentukan sebelumnya di langkah 12. Buat fungsi Lambda (konsol)

Jika berhasil, kode Anda mengembalikan respons JSON parSIAL untuk setiap jenis Blok yang terdeteksi dalam dokumen.