终止支持通知：2025年10月31日， AWS 将停止对亚马逊 Lookout for Vision 的支持。2025 年 10 月 31 日之后，你将无法再访问 Lookout for Vision 主机或 Lookout for Vision 资源。如需更多信息，请访问此博客文章。

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

DetectAnomalies

检测所提供图像中的异常。

DetectAnomalies 的响应中包括一个布尔预测值（预测图像中包含一个异常或多个异常），以及一个对所做预测的置信度值。如果模型是分割模型，则响应中包括以下内容：

DetectAnomalies 支持交错 RGB888 格式的压缩位图（图像）。第一个字节代表红色通道，第二个字节代表绿色通道，第三个字节代表蓝色通道。如果您以其他格式（如 BGR）提供图像，则 DetectAnomalies 所做的预测会不正确。

默认情况下，OpenCV 对图像位图使用 BGR 格式。如果要使用 OpenCV 捕获图像以供 DetectAnomalies 分析，则必须先将图像转换为 RGB888 格式，然后才能将其传递给 DetectAnomalies。

支持的最小图像尺寸为 64 x 64 像素。支持的最大图像尺寸为 4096 x 4096 像素。

您可以通过 protobuf 消息或通过共享内存段发送图像。如果将大尺寸图像序列化到 protobuf 消息中，可能会显著增加调用 DetectAnomalies 时的延迟。为了尽可能降低延迟，我们建议您使用共享内存。

rpc DetectAnomalies(DetectAnomaliesRequest) returns (DetectAnomaliesResponse);
  

DetectAnomaliesRequest

DetectAnomalies 的输入参数。

message Bitmap {
  int32 width = 1;
  int32 height = 2;
  oneof data { 
    bytes byte_data = 3;
    SharedMemoryHandle shared_memory_handle = 4;
  }
}

message SharedMemoryHandle {
  string name = 1;
  uint64 size = 2;
  uint64 offset = 3;
}    

message AnomalyMaskParams {
SharedMemoryHandle shared_memory_handle = 2;
}

message DetectAnomaliesRequest {
string model_component = 1;
Bitmap bitmap = 2;
AnomalyMaskParams anomaly_mask_params = 3;
}

Bitmap

您要使用 DetectAnomalies 分析的图像。

width

以像素为单位的图像宽度。

height

以像素为单位的图像高度。

byte_data

在 protobuf 消息中传递的图像字节。

shared_memory_handle

在共享内存段中传递的图像字节。

SharedMemoryHandle

代表一个 POSIX 共享内存段。

name

POSIX 内存段的名称。有关创建共享内存的信息，请参阅 shm_open。

size

从偏移量开始的图像缓冲区大小（以字节为单位）。

offset

从共享内存段开始，到图像缓冲区开头的偏移量（以字节为单位）。

AnomalyMaskParams

用于输出异常掩码的参数。（分割模型）。

shared_memory_handle

如果未提供 shared_memory_handle，则包含掩码的图像字节。

DetectAnomaliesRequest

model_component

包含要使用的模型的 AWS IoT Greengrass V2 组件的名称。

bitmap

您要使用 DetectAnomalies 分析的图像。

anomaly_mask_params

用于输出掩码的可选参数。（分割模型）。

DetectAnomaliesResponse

DetectAnomalies 的响应。

message DetectAnomalyResult {
bool is_anomalous = 1;
float confidence = 2;
Bitmap anomaly_mask = 3;
repeated Anomaly anomalies = 4;
float anomaly_score = 5;
float anomaly_threshold = 6;
}

message Anomaly {
string name = 1;
PixelAnomaly pixel_anomaly = 2;

message PixelAnomaly {
float total_percentage_area = 1;
string hex_color = 2;
}

message DetectAnomaliesResponse {
  DetectAnomalyResult detect_anomaly_result = 1;
}

异常

表示在图像上发现的异常。（分割模型）。

name

在图像中发现的异常类型的名称。name 对应训练数据集中的异常类型。该服务会自动将背景异常类型插入到 DetectAnomalies 的响应中。

pixel_anomaly

与覆盖异常类型的像素掩码相关的信息。

PixelAnomaly

与覆盖异常类型的像素掩码相关的信息。（分割模型）。

total_percentage_area

异常类型覆盖的图像区域百分比。

hex_color

一个十六进制颜色值，表示图像上的异常类型。颜色对应训练数据集中使用的异常类型的颜色。

DetectAnomalyResult

is_anomalous

指示图像是否包含异常。true 表示图像包含异常。false 表示图像正常。

confidence

DetectAnomalies 对预测准确度的置信度。confidence 是介于 0 和 1 之间的浮点值。

anomaly_mask

如果未提供 shared_memory_handle，则包含掩码的图像字节。（分割模型）。

异常

在输入图像中发现的 0 个或多个异常的列表。（分割模型）。

anomaly_score

一个数字，用于量化所预测的图像异常与无异常图像的偏差程度。anomaly_score 是一个浮点值，范围介于 0.0（与正常图像的偏差最小）到 1.0（与正常图像的偏差最大）之间。即使预测图像为正常，Amazon Lookout for Vision 也会返回一个 anomaly_score 值。

anomaly_threshold

一个数字（浮点数），用于确定图像的预测分类什么情况下为正常或异常。如果图像的 anomaly_score 等于或大于 anomaly_threshold 的值，则视为异常。如果 anomaly_score 值低于 anomaly_threshold，则表示图像正常。您在训练模型时，Amazon Lookout for Vision 会计算供模型使用的 anomaly_threshold 值。您无法设置或更改 anomaly_threshold 的值。

状态代码