示例数据集

以下是您可以用于 Amazon Lookout for Vision 的示例数据集。

图像分割数据集

开始使用 Amazon Lookout for Vision 提供了一个破损饼干数据集，您可以用它来创建图像分割模型。

有关用于创建图像分割模型的另一个数据集，请参阅不使用 GPU 而在边缘利用 Amazon Lookout for Vision 识别异常的位置。

图像分类数据集

Amazon Lookout for Vision 提供了一些电路板的示例图像，您可用它们来创建图像分类模型。

您可以从 https://github.com/aws-samples/amazon-lookout-for-vision GitHub 存储库复制这些图像。这些图像位于 circuitboard 文件夹中。

circuitboard 文件夹包含以下文件夹。

• train：您可以在训练数据集使用的图像。

• test：您可以在测试数据集使用的图像。

• extra_images：您可以用来执行试用检测的图像，或者可用来通过 DetectAnomalies 操作试用所训练模型的图像。

train 和 test 文件夹各有一个名为 normal 的子文件夹（包含正常的图像）和一个名为 anomaly 的子文件夹（包含存在异常的图像）。

注意

随后，当您使用控制台创建数据集时，Amazon Lookout for Vision 可以使用文件夹名称（normal 和 anomaly）自动标注图像。有关更多信息，请参阅 使用存储在 Amazon S3 桶中的图像创建数据集。

准备数据集图像

1. 将 https://github.com/aws-samples/amazon-lookout-for-vision 存储库克隆到您的计算机。有关更多信息，请参阅克隆存储库。

2. 创建 Amazon S3 存储桶。有关更多信息，请参阅如何创建 S3 桶？。

3. 在命令提示符下输入以下命令，以便将数据集图像从您的计算机复制到 Amazon S3 桶。

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

上传图像后，您便可以创建模型。通过从您之前将电路板图像上传到的 Amazon S3 位置添加图像，您可以自动对图像进行分类。请记住，您需要按照每次成功训练模型以及模型的运行（托管）时间量付费。

创建分类模型

1. 完成创建项目（控制台）。

2. 完成使用存储在 Amazon S3 桶中的图像创建数据集。

   • 在步骤 6 中，选择单独的训练数据集和测试数据集选项卡。

   • 在步骤 8a 中，输入您在准备数据集图像中上传的训练图像的 S3 URI。例如 s3://your-bucket/circuitboard/train。在步骤 8b 中，输入测试数据集的 S3 URI。例如，s3://your-bucket/circuitboard/test。

   • 请务必完成步骤 9。

3. 完成训练模型（控制台）。

4. 完成启动您的模型（控制台）。

5. 完成检测图像中的异常。您可以使用 test_images 文件夹中的图像。

6. 当您使用完模型后，请完成停止您的模型（控制台）。