サンプルデータセット

以下は Amazon Lookout for Vision で使用できるサンプルデータセットです。

画像セグメンテーションデータセット

Amazon Lookout for Vision コンソールの開始 は、画像セグメンテーションモデルの作成に使用できる、壊れたクッキーのデータセットを提供します。

画像セグメンテーションモデルを作成する別のデータセットについては、「GPU を使用せずに エッジで Amazon Lookout for Vision を使用して異常箇所を特定する」を参照してください。

画像分類データセット

Amazon Lookout for Vision では、画像分類モデルの作成に使用できる回路基板のサンプル画像を提供しています。

https://github.com/aws-samples/amazon-lookout-for-vision GitHub リポジトリから画像をコピーできます。画像は circuitboard フォルダにあります。

circuitboard フォルダには以下のフォルダがあります。

• train — トレーニングデータセットで使用できる画像。

• test — テストデータセットで使用できる画像。

• extra_images — トライアル検出を実行したり、DetectAnomalies オペレーションでトレーニングしたモデルを試すために使用できる画像です。

train と test のフォルダには、それぞれ normal というサブフォルダ (正常な画像を含む) と anomaly というサブフォルダ (異常のある画像を含む) があります。

注記

後でコンソールでデータセットを作成するときに、Amazon Lookout for Vision は、フォルダ名 (normal と anomaly) を使って、画像に自動的にラベル付けすることができます。詳細については、「Amazon S3 バケットに保存されている画像を使用してデータセットを作成します。」を参照してください。

データセットイメージを準備するには

1. https://github.com/aws-samples/amazon-lookout-for-vision リポジトリのクローンをコンピュータに作成します。詳細については、「リポジトリのクローン作成」を参照してください。

2. Amazon S3 バケットを作成する。詳細については、「S3 バケット作成方法」を参照してください。

3. コマンドプロンプトで次のコマンドを入力して、コンピュータから Amazon S3 バケットにデータセットイメージをコピーします。

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

イメージをアップロードしたら、モデルを作成できます。以前に回路基板の画像をアップロードした Amazon S3 の場所から画像を追加することで、画像を自動的に分類できます。モデルのトレーニングが完了するたびに、およびモデルが実行 (ホスト) されている時間に対して料金が発生すると覚えてください。

分類モデルを作成するには

1. プロジェクトの作成 (コンソール) を行う

2. Amazon S3 バケットに保存されている画像を使用してデータセットを作成します。 を行う

   • ステップ 6 では、[トレーニングデータセットとテストデータセットを分離] タブを選択します。

   • ステップ 8a では、「データセット画像を準備するには」でアップロードしたトレーニング画像の S3 URI を入力します。例えば「s3://your-bucket/circuitboard/train」のようにです。ステップ 8b では、テストデータセットの S3 URI を入力します。例えば「s3://your-bucket/circuitboard/test」のようにです。

   • 必ずステップ 9 を行ってください。

3. モデルのトレーニング (コンソール) を行います。

4. モデルの開始 (コンソール) を行います。

5. 画像内の異常を検出する を行います。test_images フォルダの画像を使用できます。

6. モデルで完了したら、モデルの停止 (コンソール) を行ってください。