예제 데이터 세트

다음은 Amazon Lookout for Vision과 함께 사용할 수 있는 예제 데이터 세트입니다.

이미지 분할 데이터 세트

Amazon Lookout for Vision을 시작하기이미지 분할 모델을 만드는 데 사용할 수 있는 깨진 쿠키 데이터 세트를 제공합니다.

이미지 분할 모델을 생성하는 다른 데이터 세트에 대해서는 GPU를 사용하지 않고 엣지에서 Amazon Lookout for Vision을 사용하여 이상 현상의 위치를 식별하기를 참조하십시오.

이미지 분류 데이터 세트

Amazon Lookout for Vision은 이미지 분류 모델을 생성하는 데 사용할 수 있는 회로판의 예제 이미지를 제공합니다.

https://github.com/aws-samples/amazon-lookout-for-vision GitHub 리포지토리에서 이미지를 복사할 수 있습니다. 이미지는 circuitboard 폴더에 있습니다.

circuitboard 폴더에는 다음과 같은 폴더가 있습니다.

• train— 교육 데이터 세트에서 사용할 수 있는 이미지.

• test— 테스트 데이터 세트에 사용할 수 있는 이미지.

• extra_images— 시험 탐지를 실행하거나 DetectAnomalies 연산을 통해 학습된 모델을 시험해 보는 데 사용할 수 있는 이미지.

train 및 test 폴더에는 각각 normal라는 하위 폴더 (정상 이미지 포함)와 anomaly라는 하위 폴더 (이상이 있는 이미지 포함)가 있습니다.

참고

나중에 콘솔로 데이터 세트를 만들면 Amazon Lookout for Vision에서 폴더 이름 (normal 및 anomaly)을 사용하여 이미지에 자동으로 레이블을 지정할 수 있습니다. 자세한 내용은 Amazon S3 버킷에 저장된 이미지를 사용하여 데이터 세트를 생성합니다. 섹션을 참조하세요.

데이터 세트 이미지를 준비하려면

1. https://github.com/aws-samples/amazon-lookout-for-vision 리포지토리를 컴퓨터에 복제합니다. 자세한 내용은 리포지토리 복제를 참조하십시오.

2. Amazon S3 버킷을 생성합니다. 자세한 내용은 S3 버킷 정책을 생성하려면 어떻게 해야 합니까? 단원을 참조하십시오.

3. 명령 프롬프트에 다음 명령을 입력하여 컴퓨터의 데이터 세트 이미지를 Amazon S3 버킷으로 복사합니다.

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

이미지를 업로드한 후 모델을 생성할 수 있습니다. 이전에 회로 기판 이미지를 업로드한 Amazon S3 위치의 이미지를 추가하여 이미지를 자동으로 분류할 수 있습니다. 모델을 성공적으로 학습할 때마다 그리고 모델이 실행 (호스팅)된 시간에 대해 요금이 부과된다는 점을 기억하십시오.

분류 모델을 생성하는 방법

1. Do 프로젝트 생성(콘솔).

2. Do Amazon S3 버킷에 저장된 이미지를 사용하여 데이터 세트를 생성합니다..

   • 6단계에서는 훈련 및 테스트 데이터 세트 분리 탭을 선택합니다.

   • 8a단계의 경우 데이터세트 이미지 준비하기에서 업로드한 교육 이미지의 S3 URI를 입력합니다. 예: s3://your-bucket/circuitboard/train. 8b단계에서 테스트 데이터 세트에 대한 S3 URI를 입력합니다. 예: s3://your-bucket/circuitboard/test.

   • 9단계를 반드시 수행하십시오.

3. Do 모델 교육 (콘솔).

4. Do 모델 시작 (콘솔).

5. Do 이미지에서 이상 탐지. test_images 폴더의 이미지를 사용할 수 있습니다.

6. 모델을 완성하면 모델 중지하기 (콘솔) 작업을 완료하십시오.