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。

# 準備影像
<a name="md-prepare-images"></a>

 訓練和測試資料集中的影像包含您希望模型尋找的物件、場景或概念。

影像的內容應具有各種背景和光源，以代表您希望訓練過的模型識別的影像。

本區段會提供訓練和測試資料集中影像的相關資訊。

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

您可以使用 PNG 和 JPEG 格式的影像來訓練 Amazon Rekognition 自訂標籤。同樣地，若要使用 `DetectCustomLabels` 偵測自訂標籤，您需要 PNG 和 JPEG 格式的影像。

## 輸入影像建議
<a name="md-image-recommendations"></a>

Amazon Rekognition 自訂標籤需要影像來訓練和測試您的模型。為了準備影像，請考慮下列事項：
+ 針對您要建立的模型選擇特定網域。例如，您可以為風景檢視選擇模型，為諸如機器零件之類的物件選擇另一個模型。如果您的影像位於所選網域中，Amazon Rekognition 自訂標籤的成效最佳。
+ 至少使用 10 個影像來訓練您的模型。
+ 影像必須採用 PNG 或 JPEG 格式。
+ 使用以各種光源、背景和解析度顯示物件的影像。
+ 訓練和測試影像應與您要和模型搭配使用的影像類似。
+ 決定將那些標籤指派給影像。
+ 確保影像的解析度足夠大。如需詳細資訊，請參閱[Amazon Rekognition 自訂標籤中的指南和配額](limits.md)。
+ 確保遮蔽物不會遮掩您要偵測的物件。
+ 使用與背景充分對比的映像。
+ 使用明亮且銳利的映像。盡量避免使用可能會因主體和相機移動而模糊的影像。
+ 使用物件佔據影像很大比例的影像。
+ 測試資料集中的影像不應該是訓練資料集中的影像。它們應該包括訓練模型來分析的物件、場景和概念。

## 影像集大小
<a name="md-set"></a>

Amazon Rekognition 自訂標籤會使用一組影像來訓練模型。最起碼，您應該至少使用 10 個影像進行訓練。Amazon Rekognition 自訂標籤會在資料集中存放訓練和測試影像。如需詳細資訊，請參閱[建立包含影像的訓練和測試資料集](md-create-dataset.md)。