DetectAnomalies

付属画像内の異常を検出します。

DetectAnomalies からのレスポンスには、画像に 1 つ以上の異常が含まれているというブーリアン予測と、その予測に対する信頼値が含まれます。モデルがセグメンテーションモデルの場合、レスポンスには以下が含まれます:

• 各異常タイプを異なる色でカバーしたマスク画像。DetectAnomalies によりマスク画像を共有メモリに保存することも、マスクを画像バイトとして返すこともできます。

• 画像で異常タイプが占める領域のパーセンテージ。

• マスク画像上の異常タイプの 16 進数カラー。

注記

DetectAnomalies により使用するモデルは実行中の必要があります。DescribeModel を呼び出すことで、現在のステータスを取得できます。モデルの実行を開始するには、「StartModel 」を参照してください。

DetectAnomalies はインターリーブ RGB888 形式のパックビットマップ (画像) をサポートします。最初のバイトは赤チャンネル、2 番目のバイトは緑チャンネル、3 番目のバイトは青チャンネルを表します。BGR などの別の形式で画像を提供した場合、DetectAnomalies による予測は正しくありません。

デフォルトでは、OpenCV は画像ビットマップに BGR 形式を使用します。OpenCV を使用して DetectAnomalies により分析用の画像をキャプチャする場合は、画像を DetectAnomalies に渡す前に画像を RGB888 形式に変換する必要があります。

サポートされている画像の最小サイズは 64x64 ピクセルです。サポートされている画像の最大サイズは 4096x4096 ピクセルです。

画像は protobuf メッセージで送信することも、共有メモリセグメントを介して送信することもできます。サイズの大きい画像を protobuf メッセージにシリアル化すると、DetectAnomalies への呼び出しのレーテンシーが大幅に長くなる可能性があります。レイテンシーを最小限に抑えるため、共有メモリーを使用することをおすすめします。

rpc DetectAnomalies(DetectAnomaliesRequest) returns (DetectAnomaliesResponse);
  

DetectAnomaliesRequest

DetectAnomalies 用の入力パラメータ。

message Bitmap {
  int32 width = 1;
  int32 height = 2;
  oneof data { 
    bytes byte_data = 3;
    SharedMemoryHandle shared_memory_handle = 4;
  }
}

message SharedMemoryHandle {
  string name = 1;
  uint64 size = 2;
  uint64 offset = 3;
}    

message AnomalyMaskParams {
SharedMemoryHandle shared_memory_handle = 2;
}

message DetectAnomaliesRequest {
string model_component = 1;
Bitmap bitmap = 2;
AnomalyMaskParams anomaly_mask_params = 3;
}

Bitmap

DetectAnomalies により分析したい画像。

width

ピクセルでの画像の幅。

height

ピクセルでの画像の高さ。

byte_data

protobuf メッセージで渡された画像のバイト数。

shared_memory_handle

共有メモリセグメントで渡された画像バイト数。

SharedMemoryHandle

POSIX 共有メモリセグメントを表します。

name

POSIX メモリーセグメントの名前。共有メモリの作成について詳しくは、shm_open を参照してください。

size

オフセットから始まる画像バッファサイズ (バイト単位)。

offset

共有メモリセグメントの先頭から画像バッファの先頭までのオフセット (バイト単位)。

AnomalyMaskParams

アノマリーマスクを出力するためのパラメーター。(セグメンテーションモデル)。

shared_memory_handle

マスクの画像バイトが格納されます (shared_memory_handle が指定されていない場合)。

DetectAnomaliesRequest

model_component

使用するモデルを含む AWS IoT Greengrass V2 コンポーネントの名前。

bitmap

DetectAnomalies で分析したい画像。

anomaly_mask_params

マスクを出力するためのオプションパラメータ。(セグメンテーションモデル)。

DetectAnomaliesResponse

DetectAnomalies からのレスポンス。

message DetectAnomalyResult {
bool is_anomalous = 1;
float confidence = 2;
Bitmap anomaly_mask = 3;
repeated Anomaly anomalies = 4;
float anomaly_score = 5;
float anomaly_threshold = 6;
}

message Anomaly {
string name = 1;
PixelAnomaly pixel_anomaly = 2;

message PixelAnomaly {
float total_percentage_area = 1;
string hex_color = 2;
}

message DetectAnomaliesResponse {
  DetectAnomalyResult detect_anomaly_result = 1;
}

Anomaly

画像で見つかった異常を表します。(セグメンテーションモデル)。

name

画像で見つかった異常タイプの名前。name がトレーニングデータセットの異常タイプにマップします。サービスはバックグラウンドの異常タイプを DetectAnomalies からのレスポンスに自動的に挿入します。

pixel_anomaly

異常タイプをカバーするピクセルマスクに関する情報。

PixelAnomaly

異常タイプをカバーするピクセルマスクに関する情報。(セグメンテーションモデル)。

total_percentage_area

画像で異常タイプが占める領域のパーセンテージ。

hex_color

画像の異常タイプを表す 16 進数のカラー値。この色は、トレーニングデータセットで使用されている異常タイプの色に対応します。

DetectAnomalyResult

is_anomalous

画像が異常を含むかどうかを示します。画像が異常を含む場合は「true」、画像が正常であれば「false」となります。

confidence

予測の精度における DetectAnomalies の信頼度。 confidence は 0 ～ 1 の浮動小数点値です。

anomaly_mask

shared_memory_handle が指定されていない場合は、マスクの画像バイトが含まれます。(セグメンテーションモデル)。

anomalies

入力画像内で見つかった異常 (0 個以上) のリスト。(セグメンテーションモデル)。

anomaly_score

ある画像について予測される異常値が、異常のない画像とどの程度ずれているかを表す数。anomaly_score は 0.0 (正常な画像からの最小偏差) から 1.0 (正常な画像からの最大偏差) までの浮動小数点値となります。Amazon Lookout for Vision は、画像に対する予測が「正常」であっても、anomaly_score の値を返します。

anomaly_threshold

画像の予測分類が正常か異常かを判断する数 (浮動小数点数)。anomaly_score が anomaly_threshold の値以上である画像は異常とみなされます。anomaly_score 値が anomaly_threshold 未満の場合は正常画像です。モデルが使用する anomaly_threshold の値は、モデルをトレーニングするときに Amazon Lookout for Vision によって計算されます。anomaly_threshold の値は設定も変更もできません。

ステータスコード

コード	数	説明
OK	0	DetectAnomalies が予測に成功しました。
UNKNOWN	2	不明なエラーが発生しました。
INVALID_ARGUMENT	3	1 つ以上の入力パラメータが無効です。詳細についてはエラーメッセージをチェックしてください。
NOT_FOUND	5	指定された名前のモデルが見つかりませんでした。
RESOURCE_EXHAUSTED	8	このオペレーションを実行するのに十分なリソースがありません。たとえば、Lookout for Vision EEdge Agent は、DetectAnomalies への呼び出しのレートに追いつくことができません。詳細についてはエラーメッセージをチェックしてください。
FAILED_PRECONDITION	9	「実行中」状態ではないモデルに対して DetectAnomalies が呼び出されました。
INTERNAL	13	内部エラーが発生しました。