範例資料集 - Amazon Lookout for Vision
影像分割資料集影像分類資料集

支援終止通知：2025 年 10 月 31 日， AWS 將停止支援 Amazon Lookout for Vision。2025 年 10 月 31 日之後，您將無法再存取 Lookout for Vision 主控台或 Lookout for Vision 資源。如需詳細資訊，請造訪此部落格文章。

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

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 入門 提供已損壞 Cookie 的資料集，可用來建立影像分割模型。

如需建立影像分割模型的另一個資料集，請參閱使用邊緣的 Amazon Lookout for Vision 識別異常位置，而不使用 GPU。

影像分類資料集

Amazon Lookout for Vision 提供電路板的範例影像，可用來建立影像分類模型。

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

您可以從 https://github.com/aws-samples/amazon-lookout-for-vision GitHub 儲存庫複製映像。影像位於 circuitboard 資料夾。

circuitboard 資料夾具有下列資料夾。

  • train – 您可以在訓練資料集中使用的影像。

  • test – 可在測試資料集中使用的影像。

  • extra_images – 您可以使用 DetectAnomalies 操作執行試驗偵測或試用訓練模型的影像。

train 和 test 資料夾各有名為 的子資料夾 normal（包含正常的影像） 和名為 的子資料夾 anomaly（包含異常的影像）。

注意

稍後，當您使用主控台建立資料集時，Amazon Lookout for Vision 可以使用資料夾名稱 (normal 和 anomaly) 自動標記影像。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。

準備資料集映像

  1. 將 https://github.com/aws-samples/amazon-lookout-for-vision 儲存庫複製到您的電腦。如需詳細資訊，請參閱複製儲存庫。

  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. 在命令提示中，輸入下列命令，將資料集映像從您的電腦複製到 Amazon S3 儲存貯體。

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

上傳影像後，您可以建立模型。您可以從先前上傳電路板映像的 Amazon S3 位置新增映像，以自動分類映像。請記住，您需要為模型的每個成功訓練以及模型執行 （託管） 的時間量付費。

建立分類模型

  1. 執行 建立專案 （主控台）。

  2. 執行 使用存放在 Amazon S3 儲存貯體中的映像建立資料集。

    • 針對步驟 6，選擇分開訓練和測試資料集索引標籤。

    • 針對步驟 8a，輸入您上傳的訓練映像的 S3 URI 以準備資料集映像。例如 s3://your-bucket/circuitboard/train。針對步驟 8b，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. 執行 訓練模型 （主控台）。

  4. 執行 啟動模型 （主控台）。

  5. 執行 偵測映像中的異常。您可以從 test_images 資料夾使用映像。

  6. 當您完成模型時，請執行 停止模型 （主控台）。