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。

# 准备图像
<a name="md-prepare-images"></a>

 训练和测试数据集中的图像包含您希望模型查找的物体、场景或概念。

图像的内容应采用各种背景和光线，以代表您希望经过训练的模型识别的图像。

本节提供训练和测试数据集中的图像的相关信息。

## 图像格式
<a name="pi-image-format"></a>

可以使用 PNG 和 JPEG 格式的图像训练 Amazon Rekognition Custom Labels 模型。同样，要使用 `DetectCustomLabels` 检测自定义标签，您需要采用 PNG 和 JPEG 格式的图像。

## 输入图像建议
<a name="md-image-recommendations"></a>

Amazon Rekognition Custom Labels 需要图像来训练和测试模型。准备图像时，请考虑以下几点：
+ 为要创建的模型选择一个特定的领域。例如，您可以为风景视图选择一个模型，为机器零件等物体选择另一个模型。当图像属于所选领域时，Amazon Rekognition Custom Labels 的效果最佳。
+ 使用不少于 10 张图像来训练模型。
+ 图像必须是 PNG 或 JPEG 格式。
+ 使用在各种光线、背景和分辨率下显示该物体的图像。
+ 训练和测试图像应与您要使用模型分析的图像相似。
+ 决定要为图像分配的标签。
+ 确保图像的分辨率足够大。有关更多信息，请参阅 [Amazon Rekognition Custom Labels 中的准则和配额](limits.md)。
+ 确保遮挡不会遮蔽要检测的物体。
+ 使用与背景对比鲜明的图像。
+ 使用明亮清晰的图像。尽量避免使用可能因拍摄主体和相机移动而模糊的图像。
+ 使用物体占图像很大比例的图像。
+ 测试数据集中的图像不应是训练数据集中的图像。这些图像应包含训练模型来分析的物体、场景和概念。

## 图像集大小
<a name="md-set"></a>

Amazon Rekognition Custom Labels 使用一组图像来训练模型。至少应使用 10 张图像进行训练。Amazon Rekognition Custom Labels 将训练和测试图像存储在数据集中。有关更多信息，请参阅 [使用图像创建训练和测试数据集](md-create-dataset.md)。