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。
模型訓練疑難排
資訊清單檔案或訓練影像的問題可能會導致模型訓練失敗。在重新訓練模型之前,請檢查下列潛在問題。
異常標籤顏色與遮色片影像中異常的顏色不相符
如果您正在訓練影像分割模型,資訊清單檔案中異常標籤的顏色必須與遮色片影像中的顏色相符。資訊清單檔案中影像的JSON行具有中繼資料 (internal-color-map
),可告知 Amazon Lookout 視覺哪種顏色對應於異常標籤。例如,下一#2ca02c
行中scratch
異常標籤的顏色為。JSON
{ "source-ref": "s3://
path-to-image
", "anomaly-label
": 1, "anomaly-label
-metadata": { "class-name": "anomaly
", "creation-date": "2021-10-12T14:16:45.668
", "human-annotated": "yes
", "job-name": "labeling-job/classification-job
", "type": "groundtruth/image-classification", "confidence":1
}, "anomaly-mask
-ref": "s3://path-to-image
", "anomaly-mask
-ref-metadata": { "internal-color-map": { "0": { "class-name": "BACKGROUND", "hex-color": "#ffffff", "confidence": 0.0 }, "1
": { "class-name": "scratch
", "hex-color": "#2ca02c
", "confidence":0.0
}, "2
": { "class-name": "dent
", "hex-color": "#1f77b4
", "confidence":0.0
} }, "type": "groundtruth/semantic-segmentation", "human-annotated": "yes
", "creation-date": "2021-11-23T20:31:57.758889
", "job-name": "labeling-job/segmentation-job
" } }
如果遮色片影像中的顏色與中的值不符hex-color
,訓練會失敗,您需要更新資訊清單檔案。
更新資訊清單檔案中的顏色值
-
使用文字編輯器,開啟您用來建立資料集的資訊清單檔案。
-
對於每一JSON行(影像),檢查
internal-color-map
欄位中的顏色 (hex-color
) 是否與遮色片影像中異常標籤的顏色相符。您可以從現場獲取蒙版圖像的
位置。將圖像下載到您的計算機,然後使用以下代碼獲取圖像中的顏色。anomaly-mask
-reffrom PIL import Image img = Image.open('
path to local copy of mask file
') colors = img.convert('RGB').getcolors() #this converts the mode to RGB for color in colors: print('#%02x%02x%02x' % color[1]) -
對於每個指定色彩不正確的影像,請更新影像JSON行中的
hex-color
欄位。 -
儲存更新資訊清單檔案。
-
從專案中刪除現有的資料集。
-
使用更新的資訊清單檔案在專案中建立新資料集。
-
訓練模型。
或者,對於步驟 5 和 6,您可以呼叫UpdateDatasetEntries作業並為您要更新的影像提供更新的JSON行來更新資料集中的個別影像。如需範例程式碼,請參閱 新增更多影像 (SDK)。
遮色片影像不是格PNG式
如果您要訓練影像分割模型,遮色片影像必須是PNG格式。如果您是從資訊清單檔案建立資料集,請確定您參考的遮罩影像
為PNG格式。如果遮罩圖像不是PNG格式,則需要將它們轉換為PNG格式。將影像檔案的副檔名重新命名為是不夠的anomaly-mask
-ref.png
。
您在 Amazon Lookout for Vision 主控台或使用「 SageMaker Ground Truth」任務建立的遮罩影像是以PNG格式建立的。您不需要變更這些影像的格式。
若要更正資訊清單檔案中的非PNG格式遮罩影像
分段或分類標籤不正確或遺失
缺少或不正確的標籤可能會導致訓練失敗或建立效能不佳的模型。建議您為資料集中的所有影像加上標籤。如果您未標記所有影像且模型訓練失敗,或者您的模型效能不佳,請新增更多影像。
請檢查以下內容:
-
如果您要建立區段模型,遮罩必須緊密覆蓋資料集影像上的異常狀況。若要檢查資料集中的遮罩,請檢視專案資料集圖庫中的影像。如有必要,請重繪影像遮色片。如需詳細資訊,請參閱分割圖像(控制台)。
-
請確定資料集影像中的異常影像已分類。如果您要建立影像分割模型,請確定異常影像具有異常標籤和影像遮色片。
請務必記住您要建立的模型類型 (區段或分類)。分類模型不需要異常影像上的影像遮色片。請勿將遮罩新增至用於分類模型的資料集影像。
如果您選擇不修正不良或遺失的標籤,建議您新增更多已標記的影像,或從資料集中移除受影響的影像。您可以從控制台或使用UpdateDatasetEntries操作添加更多內容。如需詳細資訊,請參閱將影像新增至資料集。
如果您選擇移除影像,您必須重新建立沒有受影響影像的資料集,因為您無法從資料集中刪除影像。如需詳細資訊,請參閱從資料集中移除影像。