Eine Klassifizierungsmanifestdatei aus einer CSV-Datei erstellen

So erstellen Sie eine Manifestdatei aus einer CSV-Datei

1. Erstellen Sie eine CSV-Datei mit den folgenden Feldern in jeder Zeile (eine Zeile pro Bild). Fügen Sie der CSV-Datei keine Kopfzeile hinzu.

   Feld 1	Feld 2
   Der Bildname oder der Amazon S3-Pfad des Bildes. Beispiel, s3://s3bucket/circuitboard/train/anomaly/train-anomaly_10.jpg. Sie können keine Mischung aus Bildern mit dem Amazon S3-Pfad und Bildern ohne ihn verwenden.	Die Anomalieklassifizierung für das Bild (normaloderanomaly).

   Zum Beispiel s3://s3bucket/circuitboard/train/anomaly/image_10.jpg,anomaly oder image_11.jpg,normal

2. Speichern Sie die CSV-Datei.

3. Führen Sie das folgende Python-Skript aus. Stellen Sie die folgenden Argumente bereit:

   • csv_file – Die CSV-Datei, die Sie in Schritt 1 erstellt haben.

   • (Optional) --s3-path s3://path_to_folder/ – Der Amazon S3-Pfad, der den Bilddateinamen hinzugefügt werden soll (Feld 1). Verwenden Sie --s3-path, wenn die Bilder in Feld 1 noch keinen S3-Pfad enthalten.

   # Copyright Amazon.com, Inc. or its affiliates. All Rights Reserved.
   # SPDX-License-Identifier:  Apache-2.0
   """
   Purpose
   Shows how to create an Amazon Lookout for Vision manifest file from a CSV file.
   The CSV file format is image location,anomaly classification (normal or anomaly)
   For example:
   s3://s3bucket/circuitboard/train/anomaly/train_11.jpg,anomaly
   s3://s3bucket/circuitboard/train/normal/train_1.jpg,normal
   
   If necessary, use the bucket argument to specify the Amazon S3 bucket folder for the images.
   """
   
   from datetime import datetime, timezone
   import argparse
   import logging
   import csv
   import os
   import json
   
   logger = logging.getLogger(__name__)
   
   
   def check_errors(csv_file):
       """
       Checks for duplicate images and incorrect classifications in a CSV file.
       If duplicate images or invalid anomaly assignments are found, an errors CSV file
       and deduplicated CSV file are created. Only the first
       occurrence of a duplicate is recorded. Other duplicates are recorded in the errors file.
       :param csv_file: The source CSV file
       :return: True if errors or duplicates are found, otherwise false.
       """
   
       logger.info("Checking %s.", csv_file)
   
       errors_found = False
       errors_file = f"{os.path.splitext(csv_file)[0]}_errors.csv"
       deduplicated_file = f"{os.path.splitext(csv_file)[0]}_deduplicated.csv"
   
       with open(csv_file, 'r', encoding="UTF-8") as input_file,\
               open(deduplicated_file, 'w', encoding="UTF-8") as dedup,\
               open(errors_file, 'w', encoding="UTF-8") as errors:
   
           reader = csv.reader(input_file, delimiter=',')
           dedup_writer = csv.writer(dedup)
           error_writer = csv.writer(errors)
           line = 1
           entries = set()
           for row in reader:
   
               # Skip empty lines.
               if not ''.join(row).strip():
                   continue
   
               # Record any incorrect classifications.
               if not row[1].lower() == "normal" and not row[1].lower() == "anomaly":
                   error_writer.writerow(
                       [line, row[0], row[1], "INVALID_CLASSIFICATION"])
                   errors_found = True
   
               # Write first image entry to dedup file and record duplicates.
               key = row[0]
               if key not in entries:
                   dedup_writer.writerow(row)
                   entries.add(key)
               else:
                   error_writer.writerow([line, row[0], row[1], "DUPLICATE"])
                   errors_found = True
               line += 1
   
       if errors_found:
           logger.info("Errors found check %s.", errors_file)
       else:
           os.remove(errors_file)
           os.remove(deduplicated_file)
   
       return errors_found
   
   
   def create_manifest_file(csv_file, manifest_file, s3_path):
       """
       Read a CSV file and create an Amazon Lookout for Vision classification manifest file.
       :param csv_file: The source CSV file.
       :param manifest_file: The name of the manifest file to create.
       :param s3_path: The Amazon S3 path to the folder that contains the images.
       """
       logger.info("Processing CSV file %s.", csv_file)
   
       image_count = 0
       anomalous_count = 0
   
       with open(csv_file, newline='', encoding="UTF-8") as csvfile,\
           open(manifest_file, "w", encoding="UTF-8") as output_file:
   
           image_classifications = csv.reader(
               csvfile, delimiter=',', quotechar='|')
   
           # Process each row (image) in the CSV file.
           for row in image_classifications:
               # Skip empty lines.
               if not ''.join(row).strip():
                   continue
   
               source_ref = str(s3_path) + row[0]
               classification = 0
   
               if row[1].lower() == 'anomaly':
                   classification = 1
                   anomalous_count += 1
   
              # Create the JSON line.
               json_line = {}
               json_line['source-ref'] = source_ref
               json_line['anomaly-label'] = str(classification)
   
               metadata = {}
               metadata['confidence'] = 1
               metadata['job-name'] = "labeling-job/anomaly-classification"
               metadata['class-name'] = row[1]
               metadata['human-annotated'] = "yes"
               metadata['creation-date'] = datetime.now(timezone.utc).strftime('%Y-%m-%dT%H:%M:%S.%f')
               metadata['type'] = "groundtruth/image-classification"
   
               json_line['anomaly-label-metadata'] = metadata
   
               output_file.write(json.dumps(json_line))
               output_file.write('\n')
               image_count += 1
   
       logger.info("Finished creating manifest file %s.\n"
                   "Images: %s\nAnomalous: %s",
                   manifest_file,
                   image_count,
                   anomalous_count)
       return image_count, anomalous_count
   
   
   def add_arguments(parser):
       """
       Add command line arguments to the parser.
       :param parser: The command line parser.
       """
   
       parser.add_argument(
           "csv_file", help="The CSV file that you want to process."
       )
   
       parser.add_argument(
           "--s3_path", help="The Amazon S3 bucket and folder path for the images."
           " If not supplied, column 1 is assumed to include the Amazon S3 path.", required=False
       )
   
   
   def main():
   
       logging.basicConfig(level=logging.INFO,
                           format="%(levelname)s: %(message)s")
   
       try:
   
           # Get command line arguments.
           parser = argparse.ArgumentParser(usage=argparse.SUPPRESS)
           add_arguments(parser)
           args = parser.parse_args()
           s3_path = args.s3_path
           if s3_path is None:
               s3_path = ""
   
           csv_file = args.csv_file
           csv_file_no_extension = os.path.splitext(csv_file)[0]
           manifest_file = csv_file_no_extension + '.manifest'
   
           # Create manifest file if there are no duplicate images.
           if check_errors(csv_file):
               print(f"Issues found. Use {csv_file_no_extension}_errors.csv "\
                   "to view duplicates and errors.")
               print(f"{csv_file}_deduplicated.csv contains the first"\
                   "occurrence of a duplicate.\n"
                     "Update as necessary with the correct information.")
               print(f"Re-run the script with {csv_file_no_extension}_deduplicated.csv")
           else:
               print('No duplicates found. Creating manifest file.')
   
               image_count, anomalous_count = create_manifest_file(csv_file, manifest_file, s3_path)
   
               print(f"Finished creating manifest file: {manifest_file} \n")
   
               normal_count = image_count-anomalous_count
               print(f"Images processed: {image_count}")
               print(f"Normal: {normal_count}")
               print(f"Anomalous: {anomalous_count}")
   
       except FileNotFoundError as err:
           logger.exception("File not found.:%s", err)
           print(f"File not found: {err}. Check your input CSV file.")
   
   if __name__ == "__main__":
       main()
   
   

4. Wenn doppelte Bilder oder Klassifizierungsfehler auftreten:

   1. Verwenden Sie die Fehlerdatei, um die deduplizierte CSV-Datei oder die CSV-Eingabedatei zu aktualisieren.

   2. Führen Sie das Skript erneut mit der aktualisierten deduplizierten CSV-Datei oder der aktualisierten CSV-Eingabedatei aus.

5. Wenn Sie einen Testdatensatz verwenden möchten, wiederholen Sie die Schritte 1—4, um eine Manifestdatei für Ihren Testdatensatz zu erstellen.

6. Kopieren Sie bei Bedarf die Bilder von Ihrem Computer in den Amazon S3 S3-Bucket-Pfad, den Sie in Spalte 1 der CSV-Datei (oder in der --s3-path Befehlszeile) angegeben haben. Um die Bilder zu kopieren, geben Sie in der Befehlszeile den folgenden Befehl ein.

   aws s3 cp --recursive your-local-folder/ s3://your-target-S3-location/

7. Folgen Sie den Anweisungen unterEinen Datensatz mit einer Manifestdatei erstellen (Konsole), um einen Datensatz zu erstellen. Wenn Sie das AWS SDK verwenden, finden Sie weitere Informationen unterEinen Datensatz mit einer Manifestdatei (SDK) erstellen.