Set di dati di esempio - Amazon Lookout per Vision
set di dati di segmentazione delle immaginiset di dati di classificazione delle immagini

Avviso di fine del supporto: il 31 ottobre 2025 AWS interromperà il supporto per Amazon Lookout for Vision. Dopo il 31 ottobre 2025, non potrai più accedere alla console Lookout for Vision o alle risorse Lookout for Vision. Per ulteriori informazioni, consulta questo post del blog.

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Set di dati di esempio

I seguenti sono set di dati di esempio che puoi utilizzare con Amazon Lookout for Vision.

set di dati di segmentazione delle immagini

Nozioni di base su Amazon Lookout for Visionfornisce un set di dati di cookie non funzionanti che è possibile utilizzare per creare un modello di segmentazione delle immagini.

Per un altro set di dati che crea un modello di segmentazione delle immagini, consulta Identificare la posizione delle anomalie utilizzando Amazon Lookout for Vision sull'edge senza utilizzare una GPU.

set di dati di classificazione delle immagini

Amazon Lookout for Vision fornisce immagini di esempio di circuiti stampati che puoi utilizzare per creare un modello di classificazione delle immagini.

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

È possibile copiare le immagini dalamazon-lookout-for-vision GitHub repository https://github.com/aws-samples/. Le immagini si trovano nellacircuitboard cartella.

Lacircuitboard cartella contiene le seguenti cartelle.

  • train— Immagini da utilizzare in un set di dati di training.

  • test— Immagini da utilizzare in un set di dati di test.

  • extra_images— Immagini che puoi utilizzare per eseguire un rilevamento di prova o per provare il tuo modello addestrato DetectAnomaliesdurante l'operazione.

Letest cartelletrain e hanno ciascuna una sottocartella denominatanormal (contiene immagini normali) e una sottocartella denominataanomaly (contiene immagini con anomalie).

Nota

Successivamente, quando crei un set di dati con la console, Amazon Lookout for Vision può utilizzare i nomi delle cartelle (normaleanomaly) per etichettare automaticamente le immagini. Per ulteriori informazioni, consulta Creazione di un set di dati utilizzando immagini archiviate in un bucket Amazon S3.

Per preparare le immagini del set di dati

  1. Clona ilamazon-lookout-for-vision repository https://github.com/aws-samples/ sul tuo computer. Per ulteriori informazioni, consulta Clonazione di un repository.

  2. Crea un bucket Amazon S3. Per ulteriori informazioni, consulta Come creare un bucket S3? .

  3. Al prompt dei comandi, digita il comando seguente per copiare le immagini dei set di dati dal computer nel bucket Amazon S3.

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

Dopo aver caricato le immagini, puoi creare un modello. Puoi classificare automaticamente le immagini aggiungendo le immagini dalla posizione Amazon S3 in cui hai precedentemente caricato le immagini della scheda di circuito. Ricorda che ti viene addebitato un costo per ogni addestramento riuscito di un modello e per la quantità di tempo in cui il modello è in esecuzione (ospitato).

Per creare un modello di classificazione

  1. FareCreazione di un progetto (console).

  2. FareCreazione di un set di dati utilizzando immagini archiviate in un bucket Amazon S3.

    • Per il passaggio 6, scegli la scheda Set di dati di addestramento e test separati.

    • Per il passaggio 8a, inserisci l'URI S3 per le immagini di addestramento che hai caricato in Per preparare le immagini del set di dati. Ad esempio, s3://your-bucket/circuitboard/train. Per il passaggio 8b, inserisci l'URI S3 per il set di dati di test. Ad esempio, s3://your-bucket/circuitboard/test.

    • Assicurati di eseguire il passaggio 9.

  3. FareAddestramento di un modello (console).

  4. FareAvvio del modello (console).

  5. FareRilevamento di anomalie in un'immagine. È possibile utilizzare immagini dallatest_images cartella.

  6. Al termine del modello, fateloArresto del modello (console).