Aviso de fim do suporte: em 31 de outubro de 2025, o suporte para o Amazon Lookout for Vision AWS será interrompido. Depois de 31 de outubro de 2025, você não poderá mais acessar o console do Lookout for Vision ou os recursos do Lookout for Vision. Para obter mais informações, visite esta postagem do blog.
As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Criar um conjunto de dados usando imagens armazenadas em um bucket do Amazon S3
Você pode criar um conjunto de dados usando imagens armazenadas em um bucket do Amazon S3. Com essa opção, você pode usar a estrutura de pastas em seu bucket do Amazon S3 para classificar automaticamente suas imagens. Você pode armazenar as imagens no bucket do console ou em outro bucket do Amazon S3 em sua conta.
Configurando pastas para etiquetagem automática
Durante a criação do conjunto de dados, você pode escolher atribuir nomes de rótulos às imagens com base no nome da pasta que contém as imagens. As pastas devem ser filhas do caminho da pasta Amazon S3 que você especifica no S3 URI ao criar o conjunto de dados.
Veja a seguir a pasta train
das imagens de exemplo de Introdução. Se você especificar o local da pasta do Amazon S3 como S3-bucket/circuitboard/train/
, as imagens na pasta normal
receberão o rótulo Normal
. As imagens na pasta anomaly
recebem o rótulo Anomaly
. Os nomes das pastas secundárias mais profundas não são usados para rotular imagens.
S3-bucket └── circuitboard └── train ├── anomaly ├── train-anomaly_1.jpg ├── train-anomaly_2.jpg ├── . └── . └── normal ├── train-normal_1.jpg ├── train-normal_2.jpg ├── . └── .
Criar um conjunto de dados usando imagens de um bucket do Amazon S3
O procedimento a seguir cria um conjunto de dados usando as imagens de exemplo de classificação armazenadas em um bucket do Amazon S3. Para usar suas próprias imagens, crie a estrutura de pastas descrita em Configurando pastas para etiquetagem automática.
O procedimento também mostra como criar um único projeto de conjunto de dados ou um projeto que usa conjuntos de dados de treinamento e teste separados.
Se você não optar por rotular automaticamente suas imagens, precisará rotular as imagens após a criação dos conjuntos de dados. Para obter mais informações, consulte Classificação de imagens (console).
nota
Se você acabou de concluir Criar seu projeto, o console deve mostrar o painel do projeto e não é necessário seguir as etapas de 1 a 4.
Para criar um conjunto de dados usando imagens armazenadas em um bucket do Amazon S3
-
Se ainda não tiver feito isso, faça o upload das imagens de introdução para o bucket do Amazon S3. Para obter mais informações, consulte Conjunto de dados de classificação de imagens.
-
Abra o console https://console.aws.amazon.com/lookoutvision/
Amazon Lookout for Vision em. -
No painel de navegação à esquerda, escolha Projetos.
-
Na página Projetos, selecione o projeto ao qual você deseja adicionar um conjunto de dados. A página de detalhes do seu projeto é exibida.
-
Escolha Criar conjunto de dados. A página Criar conjunto de dados é exibida.
dica
Se você estiver seguindo as instruções de Introdução, escolha Criar um conjunto de dados de treinamento e um conjunto de dados de teste.
-
Escolha a guia Conjunto de dados único ou a guia Conjuntos de dados de treinamento e teste separados e siga as etapas.
-
Escolha Importar imagens do bucket do Amazon S3.
-
No S3 URI, insira a localização do bucket do Amazon S3 e o caminho da pasta. Altere o
bucket
para o nome do seu bucket do Amazon S3.-
Se você estiver criando um único projeto de conjunto de dados ou um conjunto de dados de treinamento, insira o seguinte:
s3://
bucket
/circuitboard/train/ -
Se você estiver criando um conjunto de dados de teste, insira o seguinte:
s3://
bucket
/circuitboard/test/
-
-
Escolha Anexar rótulos automaticamente às imagens com base na pasta.
-
Escolha Criar grupo de conjuntos de dados. Uma página do conjunto de dados é aberta com suas imagens rotuladas.
-
Siga as etapas em Treinamento de seu modelo para treinar o modelo.