DetectAnomalies

제공된 이미지에서 이상을 감지합니다.

DetectAnomalies의 응답 양식에는 이미지에 하나 이상의 예외가 포함되어 있다는 부울 예측과 예측에 대한 신뢰값이 포함됩니다. 모델이 분할 모델인 경우 응답에는 다음이 포함됩니다.

• 각 예외 유형을 고유한 색상으로 포함하는 마스크 이미지입니다. DetectAnomalies이 마스크 이미지를 공유 메모리에 저장하거나 마스크를 이미지 바이트로 반환하도록 할 수 있습니다.

• 예외 유형이 포함하는 이미지의 백분율 영역입니다.

• 마스크 이미지에 있는 예외 유형의 16진수 색상입니다.

참고

DetectAnomalies와 함께 사용하는 모델이 실행 중이어야 합니다. DescribeModel를 호출하여 현재 상태를 확인할 수 있습니다. 모델을 시작하려면 StartModel 단원을 참조하십시오.

DetectAnomalies은 인터리브 RGB888 형식의 패킹된 비트맵 (이미지)을 지원합니다. 첫 번째 바이트는 빨간색 채널을, 두 번째 바이트는 녹색 채널을, 세 번째 바이트는 파란색 채널을 나타냅니다. 이미지를 다른 형식 (예: BGR)으로 제공하는 경우 DetectAnomalies의 예측은 올바르지 않습니다.

기본적으로 OpenCV는 이미지 비트맵에 BGR 형식을 사용합니다. OpenCV를 사용하여 DetectAnomalies로 분석할 이미지를 캡처하는 경우 이미지를 DetectAnomalies에 전달하기 전에 이미지를 RGB888 형식으로 변환해야 합니다.

지원되는 최소 이미지 크기는 64x64픽셀입니다. 지원되는 최대 이미지 크기는 4096x4096픽셀입니다.

Protobuf 메시지 또는 공유 메모리 세그먼트를 통해 이미지를 전송할 수 있습니다. 큰 이미지를 protobuf 메시지로 직렬화하면 DetectAnomalies에 대한 호출 지연 시간이 크게 늘어날 수 있습니다. 지연 시간을 최소화하려면 공유 메모리를 사용하는 것이 좋습니다.

rpc DetectAnomalies(DetectAnomaliesRequest) returns (DetectAnomaliesResponse);
  

DetectAnomaliesRequest

DetectAnomalies의 입력 파라미터.

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

DetectAnomalies와 함께 분석에 사용할 이미지.

width

이미지의 너비(픽셀)

height

이미지의 높이(픽셀)

byte_data

protobuf 메시지에 전달된 이미지 바이트.

shared_memory_handle

공유 메모리 세그먼트에 전달된 이미지 바이트

SharedMemoryHandle

POSIX 공유 메모리 세그먼트를 나타냅니다.

name

POSIX 메모리 세그먼트의 이름입니다. 공유 메모리 생성에 대한 자세한 내용은 shm_open을 참조하십시오.

size

오프셋에서 시작하는 이미지 버퍼 크기 (바이트).

offset

공유 메모리 세그먼트의 시작 부분부터 이미지 버퍼의 시작 부분까지의 오프셋 (바이트)

AnomalyMaskParams

예외 마스크를 출력하기 위한 파라미터. (세그멘테이션 모델).

shared_memory_handle

마스크의 이미지 바이트를 포함합니다 (shared_memory_handle이 제공되지 않은 경우).

DetectAnomaliesRequest

model_component

사용하려는 모델이 들어 있는 AWS IoT Greengrass V2 컴포넌트의 이름.

bitmap

DetectAnomalies와 함께 분석에 사용할 이미지.

anomaly_mask_params

마스크 출력을 위한 선택적 파라미터. (세그멘테이션 모델).

DetectAnomaliesResponse

DetectAnomalies의 응답.

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;
}

이상 항목

이미지에서 발견된 이상을 나타냅니다. (세그멘테이션 모델).

name

이미지에서 발견된 예외 유형의 이름. name은 학습 데이터 세트의 이상 유형에 매핑됩니다. 이 서비스는 DetectAnomalies의 응답에 배경 이상 유형을 자동으로 삽입합니다.

pixel_anomaly

예외 유형을 포함하는 픽셀 마스크에 대한 정보입니다.

PixelAnomaly

예외 유형을 포함하는 픽셀 마스크에 대한 정보입니다. (세그멘테이션 모델).

total_percentage_area

예외 유형이 포함하는 이미지의 백분율 영역입니다.

hex_color

이미지의 예외 유형을 나타내는 16진수 색상 값입니다. 색상은 학습 데이터 세트에 사용된 예외 유형의 색상에 매핑됩니다.

DetectAnomalyResult

is_anomalous

이미지에 예외가 포함되어 있는지 여부를 나타냅니다. true은 이미지에 예외가 포함된 경우. false는 이미지가 정상인 경우

confidence

DetectAnomalies의 예측의 정확성에 대한 신뢰도. confidence는 0과 1 사이의 부동 소수점 값입니다.

anomaly_mask

shared_memory_handle이 제공되지 않은 경우 마스크의 이미지 바이트를 포함합니다. (세그멘테이션 모델).

예외

입력 영상에서 발견된 0개 이상의 예외 항목 목록. (세그멘테이션 모델).

anomaly_score

이미지에 대해 예측된 예외 항목이 예외 항목이 없는 이미지에서 얼마나 벗어나는지를 정량화하는 숫자입니다. anomaly_score는 ~ (일반 이미지와의 최소 편차) 0.0에서 1.0 (일반 이미지와의 최대 편차) 범위의 부동 소수점 값입니다. Amazon Lookout for Vision은 이미지에 대한 예측이 정상인 경우에도 anomaly_score에 대한 값을 반환합니다.

anomaly_threshold

영상의 예측된 분류가 정상인지 비정상인지를 결정하는 숫자 (부동 소수점). anomaly_score이 anomaly_threshold의 값보다 크거나 같은 이미지는 비정상 이미지로 간주됩니다. anomaly_threshold 아래의 anomaly_score 값은 정상 이미지를 나타냅니다. 모델이 사용하는 anomaly_threshold값은 모델을 학습시킬 때 Amazon Lookout for Vision에서 계산합니다. anomaly_threshold 값은 설정하거나 변경할 수 없습니다.

상태 코드

코드	숫자	설명
확인	0	DetectAnomalies은 예측을 성공적으로 수행했습니다.
UNKNOWN	2	알 수 없는 오류가 발생했습니다.
INVALID_ARGUMENT	3	하나 이상의 입력 파라미터가 유효하지 않습니다. 자세한 내용은 오류 메시지를 확인하세요.
NOT_FOUND	5	지정된 이름의 모델을 찾을 수 없습니다.
RESOURCE_EXHAUSTED	8	리소스가 충분하지 않아 이 작업을 수행할 수 없습니다. 예를 들어 Lookout for Vision Edge Agent는 DetectAnomalies을 호출하는 속도를 따라갈 수 없습니다. 자세한 내용은 오류 메시지를 확인하세요.
FAILED_PRECONDITION	9	DetectAnomalies은 RUNNING 상태가 아닌 모델에 대해 호출되었습니다.
INTERNAL	13	내부 서비스 오류가 발생했습니다.