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。

您可以從 https://github.com/aws-samples/amazon-lookout-for-vision GitHub 存儲庫中複製圖像。圖像位於文件circuitboard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

1. 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。

2. 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？ 。

3. 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

1. 做創建項目（控制台）。

2. 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://your-bucket/circuitboard/train。在步驟 8b 中，輸入測試資料集的 S3 URI。例如：s3://your-bucket/circuitboard/test。

   • 請務必執行步驟 9。

3. 做訓練模型（控制台）。

4. 做啟動您的模型（控制台）。

5. 做偵測影像中的異常。您可以使用test_images資料夾中的影像。

6. 當您完成模型時，請執行停止您的模型（控制台）。