Exemples de jeux de données - Amazon Lookout for Vision
Ensembles de données de segmentation d'imagesensemble de données de classification d'images

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Exemples de jeux de données

Vous trouverez ci-dessous des exemples de jeux de données que vous pouvez utiliser avec Amazon Lookout for Vision.

Ensembles de données de segmentation d'images

Mise en route avec Amazon Lookout for Visionfournit un ensemble de données de cookies cassés que vous pouvez utiliser pour créer un modèle de segmentation d'images.

Pour un autre jeu de données qui crée un modèle de segmentation d'images, consultez Identifier l'emplacement des anomalies à l'aide d'Amazon Lookout for Vision at the Edge sans utiliser de GPU.

ensemble de données de classification d'images

Amazon Lookout for Vision fournit des exemples d'images de circuits imprimés que vous pouvez utiliser pour créer un modèle de classification d'images.

Circuit board module with blue PCB, LED, and various electronic components on green background.

Vous pouvez copier les images depuis leamazon-lookout-for-vision GitHub référentiel https://github.com/aws-samples/. Les images se trouvent dans lecircuitboard dossier.

Lecircuitboard dossier contient les dossiers suivants.

  • train— Images que vous pouvez utiliser dans un jeu de données d'entraînement.

  • test— Images que vous pouvez utiliser dans un jeu de données de test.

  • extra_images— Images que vous pouvez utiliser pour effectuer une détection d'essai ou pour tester votre modèle entraîné lors de l'DetectAnomaliesopération.

Lestest dossierstrain et possèdent chacun un sous-dossier nomménormal (contient des images normales) et un sous-dossier nomméanomaly (contient des images présentant des anomalies).

Note

Plus tard, lorsque vous créez un jeu de données à l'aide de la console, Amazon Lookout for Vision peut utiliser les noms des dossiers (normaletanomaly) pour étiqueter automatiquement les images. Pour plus d'informations, veuillez consulter Création d'un ensemble de données à partir d'images stockées dans un compartiment Amazon S3.

Pour préparer les images de l'ensemble de données

  1. Clonez leamazon-lookout-for-vision référentiel https://github.com/aws-samples/ sur votre ordinateur. Pour plus d'informations, consultez Clonage d'un référentiel.

  2. Créez un compartiment Amazon S3. Pour plus d'informations, consultez Comment créer un compartiment S3 ? .

  3. À l'invite de commande, saisissez la commande suivante pour copier les images de l'ensemble de données de votre ordinateur vers votre compartiment Amazon S3.

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

Après avoir chargé les images, vous pouvez créer un modèle. Vous pouvez classer automatiquement les images en ajoutant les images provenant de l'emplacement Amazon S3 sur lequel vous avez précédemment chargé les images du circuit imprimé. N'oubliez pas que vous êtes facturé pour chaque formation réussie d'un modèle et pour la durée pendant laquelle un modèle est en cours d'exécution (hébergé).

Pour créer un modèle de classification

  1. FaisCréation d'un projet (console).

  2. FaisCréation d'un ensemble de données à partir d'images stockées dans un compartiment Amazon S3.

    • Pour l'étape 6, choisissez l'onglet Ensembles de données d'entraînement et de test séparés.

    • Pour l'étape 8a, entrez l'URI S3 des images d'entraînement que vous avez téléchargées dans Pour préparer les images du jeu de données. Par exemple s3://your-bucket/circuitboard/train. Pour l'étape 8b, entrez l'URI S3 du jeu de données de test. Par exemple, s3://your-bucket/circuitboard/test.

    • Assurez-vous de suivre l'étape 9.

  3. FaisEntraînement d'un modèle (console).

  4. FaisDémarrage de votre modèle (console).

  5. FaisDétecter des anomalies dans une image. Vous pouvez utiliser les images dutest_images dossier.

  6. Lorsque vous avez terminé avec le modèle, faites-leArrêt de votre modèle (console).