Beispieldatensätze

Im Folgenden finden Sie Beispieldatensätze, die Sie mit Amazon Lookout for Vision verwenden können.

Datensätze zur Bildsegmentierung

Erste Schritte mit Amazon Lookout for Visionstellt einen Datensatz mit defekten Cookies bereit, den Sie verwenden können, um ein Bildsegmentierungsmodell zu erstellen.

Einen weiteren Datensatz, der ein Bildsegmentierungsmodell erstellt, finden Sie unter Identifizieren der Position von Anomalien mithilfe von Amazon Lookout for Vision am Rand, ohne eine GPU zu verwenden.

Datensatz zur Bildklassifizierung

Amazon Lookout for Vision bietet Beispielbilder von Leiterplatten, die Sie verwenden können, um ein Bildklassifizierungsmodell zu erstellen.

Sie können die Bilder aus dem https://github.com/aws-samples/amazon-lookout-for-vision GitHub Repository kopieren. Die Bilder befinden sich in demcircuitboard Ordner.

Dercircuitboard Ordner hat die folgenden Ordner.

• train— Bilder, die Sie in einem Trainingsdatensatz verwenden können.

• test— Bilder, die Sie in einem Testdatensatz verwenden können.

• extra_images— Bilder, die Sie verwenden können, um eine Testerkennung durchzuführen oder Ihr trainiertes Modell mit der DetectAnomaliesOperation auszuprobieren.

Dietest Ordnertrain und haben jeweils einen Unterordner mit dem Namennormal (enthält normale Bilder) und einen Unterordner mit dem Namenanomaly (enthält Bilder mit Anomalien).

Anmerkung

Wenn Sie später einen Datensatz mit der Konsole erstellen, kann Amazon Lookout for Vision die Ordnernamen (normalundanomaly) verwenden, um die Bilder automatisch zu beschriften. Weitere Informationen finden Sie unter Erstellen eines Datensatzes mit Bildern, die in einem Amazon S3 S3-Bucket gespeichert sind.

So bereiten Sie die Datensatzbilder vor

1. Klonen Sie das https://github.com/aws-samples/amazon-lookout-for-vision Repository auf Ihren Computer. Weitere Informationen finden Sie unter Klonen eines Repositorys.

2. Erstellen eines Amazon-S3-Buckets. Weitere Informationen finden Sie unter Wie erstelle ich einen S3-Bucket? .

3. Geben Sie an der Befehlszeile den folgenden Befehl ein, um die Datensatzbilder von Ihrem Computer in Ihren Amazon S3 S3-Bucket zu kopieren.

   aws s3 cp --recursive your-repository-folder/circuitboard s3://your-bucket/circuitboard

Nach dem Hochladen der Bilder können Sie ein Modell erstellen. Sie können die Bilder automatisch klassifizieren, indem Sie die Bilder vom Amazon S3 S3-Standort hinzufügen, in den Sie die Leiterplattenbilder zuvor hochgeladen haben. Denken Sie daran, dass Ihnen für jedes erfolgreiche Training eines Modells und für die Zeit, die ein Modell läuft (gehostet), in Rechnung gestellt wird.

Um ein Klassifizierungsmodell zu erstellen

1. TunEin Projekt erstellen (Konsole).

2. TunErstellen eines Datensatzes mit Bildern, die in einem Amazon S3 S3-Bucket gespeichert sind.

   • Wählen Sie für Schritt 6 den Tab Getrennte Trainings- und Testdatensätze.

   • Geben Sie für Schritt 8a die S3-URI für die Trainingsbilder ein, die Sie unter Um die Datensatzbilder vorzubereiten, hochgeladen haben. Zum Beispiel s3://your-bucket/circuitboard/train. Geben Sie für Schritt 8b die S3-URI für den Testdatensatz ein. Zum Beispiel s3://your-bucket/circuitboard/test.

   • Stellen Sie sicher, dass Sie Schritt 9 ausführen.

3. TunEin Modell (Konsole) trainieren.

4. TunStarten Sie Ihr Modell (Konsole).

5. TunErkennung von Anomalien in einem Bild. Sie können Bilder aus demtest_images Ordner verwenden.

6. Wenn Sie mit dem Modell fertig sind, tun Sie esStoppen Sie Ihr Modell (Konsole).