鐵人檔案
本次挑戰要完成如何用 YOLO 來對觀賞魚進行辨識的全端實作，包含後端 API，後端模型訓練以及前端手機開發，讓使用者可以透過手機上傳一個圖片來完成觀賞魚的辨識。全部的開發環境會在 AWS 中完成，目前暫定用 EC2 來進行訓練以及預測，如果可以，會希望用 AWS SageMaker來完成，已達到無服務器的理想。
Day 31 - 使用 Amazon API Gateway 上傳圖片到 S3 建立 S3 儲存貯體 (bucket)，關閉封鎖所有公開存取權，並設定一個資料...
Day 32 - 透過手機呼叫 Amazon API Gateway 上傳圖片到 S3 Day 31 - 使用 Amazon API Gateway 上傳圖片到...
Day 33 - 實作 S3 驅動 Lambda 函數進行鏡像 AWS 有個教學課程，教學課程：使用 Amazon S3 觸發條件建立縮圖影像，今天我們就以這個...
Day 34 - 實作 S3 驅動 Lambda 函數進行 YOLO 物件辨識 根據 Day 33 - 實作 S3 驅動 Lambda 函數進行鏡像，這是一個微...
Day 35 - Amazon SageMaker 簡介 在 Day 34 - 實作 S3 驅動 Lambda 函數進行 Yolo 物件辨識中，我們使用 AWS...
Day 36 - 使用 Container 建立 Amazon SageMaker 端點 今天的任務是將 Day 16 - 進行影像辨識訓練 所訓練好的 YOL...
Day 37 - 在 AWS Lambda 建立 OpenCV Layer 因為 OpenCV 在影像視覺中時常需要用到，所以現在嘗試在 AWS Lambda...
Day 38 - 在 AWS Lambda 中使用 YOLO 推估 (Inference) 在 Day 15 - 說明 YOLO 相關設定 以及 Day 16...