データセットの例

Amazon Lookout for Vision で使用できるサンプルデータセットは次のとおりです。

トピック

画像セグメンテーションデータセット

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、「Amazon Lookout for Vision を使用してエッジで GPU を使用せずに異常箇所を特定する」を参照してください。

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 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。

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。
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。
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
```

画像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 の場所にある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成功するたびに、またモデルの実行 (ホスト) 時間に応じて課金されることに注意してください。

行うプロジェクトの作成 (コンソール)。
行う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。。
- 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の分離] タブを選択します。
- ステップ 8a では、「データセットイメージを準備するには」でアップロードしたトレーニングイメージの S3 URI を入力します。例えばs3://your-bucket/circuitboard/train。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: s3://your-bucket/circuitboard/test。
- 必ずステップ 9 を実行してください。
行うモデルのトレーニング (コンソール)。
行うモデルの起動 (コンソール)。
行う画像内の異常を検出する。test_imagesフォルダーの画像を使用できます。
モデル作成または貼り付けが完了したら、モデルの停止 (コンソール)

ブラウザで JavaScript が無効になっているか、使用できません。

AWS ドキュメントを使用するには、JavaScript を有効にする必要があります。手順については、使用するブラウザのヘルプページを参照してください。

コードの例

セキュリティ