本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。
範例資料集
以下是您可以搭配 Amazon Lookout for Vision 使用的範例資料集。
影像分割資料集
Amazon Lookout for Vision提供損壞的 Cookie 資料集,您可以用來建立影像分割模型。
如需建立影像分段模型的其他資料集,請參閱在邊緣使用 Amazon Lookout for Vision 識別異常的位置,而不使用 GPU
影像分類資料集
Amazon Lookout for Vision 版提供電路板範例影像,您可以使用這些影像來建立影像分類模型。
![](images/prediction.jpg)
您可以從 https://github.com/aws-samples/amazon-lookout-for-visioncircuitboard
夾中。
該circuitboard
文件夾具有以下文件夾。
-
train
— 您可以在訓練資料集中使用的影像。 -
test
— 您可以在測試資料集中使用的影像。 -
extra_images
— 您可以用來執行試用偵測或透過DetectAnomalies操作試用訓練過的模型的影像。
每個train
和test
資料夾都有一個名為normal
(包含正常影像) 的子資料夾,以及名為anomaly
(包含具有異常影像) 的子資料夾。
注意
稍後,當您使用主控台建立資料集時,Amazon Lookout 視覺版可以使用資料夾名稱 (normal
和anomaly
) 自動為影像加上標籤。如需詳細資訊,請參閱使用存放在 Amazon S3 儲存貯體中的映像建立資料集。
若要準備資料集影像
-
將 https://github.com/aws-samples/
存amazon-lookout-for-vision儲庫克隆到您的計算機。如需詳細資訊,請參閱複寫儲存庫 。 -
建立 Amazon S3 儲存貯體。如需詳細資訊,請參閱如何建立 S3 儲存貯體? 。
-
在命令提示字元中,輸入以下命令,將資料集映像從電腦複製到 Amazon S3 儲存貯體。
aws s3 cp --recursive
your-repository-folder
/circuitboard s3://your-bucket
/circuitboard
上傳圖像後,您可以創建一個模型。您可以從先前將電路板映像上傳到的 Amazon S3 位置新增映像來自動分類映像。請記住,您需要為每次成功訓練模型以及模型執行 (託管) 的時間量付費。
建立分類模型
-
做使用存放在 Amazon S3 儲存貯體中的映像建立資料集。
-
對於步驟 6,請選擇 [個別訓練和測試資料集] 索引標籤。
-
對於步驟 8a,請為您在中上傳的訓練映像輸入 S3 URI 準備資料集映像。例如:
s3://
。在步驟 8b 中,輸入測試資料集的 S3 URI。例如:your-bucket
/circuitboard/trains3://
。your-bucket
/circuitboard/test -
請務必執行步驟 9。
-
-
做偵測影像中的異常。您可以使用
test_images
資料夾中的影像。 -
當您完成模型時,請執行停止您的模型(控制台)。